modelo rha – retroalimentação em hipermídia adaptativa · 2016. 3. 4. · catalogação na...
Post on 25-Sep-2020
1 Views
Preview:
TRANSCRIPT
UNIVERSIDADE FEDERAL DE SANTA CATARINA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA E
GESTÃO DO CONHECIMENTO
Marília Abrahão Amaral
Modelo RHA – Retroalimentação em Hipermídia Adaptativa
Tese de Doutorado
Florianópolis 2008
MARÍLIA ABRAHÃO AMARAL
Modelo RHA – Retroalimentação em Hipermídia Adaptativa
Documento de Tese apresentado ao Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento da Universidade Federal de Santa Catarina como requisito parcial para obtenção do grau de Doutor em Engenharia e Gestão do Conhecimento.
Orientadora: Profª Drª Vania Ribas Ulbricht
Florianópolis, SC. 2008
. Catalogação na fonte por Onélia S. Guimarães CRB-14/071
A485m Amaral, Marília Abrahão Modelo RHA – Retroalimentação em hipermídia adaptativa / Marília Abrahão Amaral; orientadora Vania Ribas Ulbricht. – Florianópolis, 2008. 189f. Tese (Doutorado) – Universidade Federal de Santa Catarina, Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento, 2008. Inclui bibliografia.
1. Hipermídia adaptativa. 2. Modelo de referência. 3. Estilo cognitivo. 4. Avaliação de aprendizagem. I. Ulbricht, Vania Ribas. II. Universidade Federal de Santa Catarina. Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento. III. Título. CDU: 659.2
MARÍLIA ABRAHÃO AMARAL
Modelo RHA – Retroalimentação em Hipermídia Adaptativa
Este documento de Tese foi julgado e aprovado como requisito parcial para a obtenção do grau de Doutor em Engenharia e Gestão do Conhecimento no
Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento da Universidade Federal de Santa Catarina
Florianópolis, 11 de Julho de 2008.
____________________ Prof. Roberto Carlos dos Santos Pacheco, Dr.
Coordenador do Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento
Banca Examinadora:
___________________________________ ___________________________________ Profª.Alice T. Cybis Pereira, Drª. Universidade Federal de Santa Catarina ___________________________________
Profa. Marília Matos Gonçalves, Drª. Universidade Federal de Santa Catarina ___________________________________
Prof. Edson Luiz Bugay, Dr. Faculdades Barddal de Artes Aplicadas ___________________________________
Prof. Tarsício Vanzin, Dr. Universidade Federal de Santa Catarina ___________________________________
Prof. Fernando Alvaro Ostuni Gauthier, Dr. Universidade Federal de Santa Catarina ___________________________________
Profª. Vania Ribas Ulbricht, Drª. (Orientadora) Universidade Federal de Santa Catarina
Prof. Luiz Antonio M Palazzo, Dr. Universidade Católica de Pelotas
À Júlio Amaral Neto, irmão e companheiro de todas as horas.
Agradecimentos
À Afife e Homero Amaral, por sempre me incentivarem a seguir nos caminhos da área acadêmica e principalmente por serem pais maravilhosos. À Ary A. Perez Jr por contribuir e me apoiar intensa e incondicionalmente neste momento. À Professora Vânia R. Ulbricht pela paciência, presteza e dedicação em me orientar neste trabalho. À minha cunhada Daniele Arazawa e à minha Tia Heloísa Amaral, que sempre tiveram paciência em me ouvir. Aos companheiros de todas as horas, os CCs, que estão presentes em minha vida pessoal e profissional e que me apoiaram durante o desenvolvimento desta pesquisa: Ailton Sérgio Bonifácio, Glauco Carlos Silva e Roberto Vedoato. Aos professores do EGC, Alice T. Cybis Pereira, Fernando Gauthier e Tarcísio Vanzin, pelas contribuições a este trabalho. A todos que, direta ou indiretamente, deram a sua contribuição a esta Tese.
Resumo
A presente pesquisa tem como objetivo propor uma extensão para modelos de referência em hipermídia adaptativa de acordo com resultados de avaliação de aprendizagem e estilos cognitivos dos aprendizes. É proposto, portanto, um modelo denominado RHA, Modelo de Retroalimentação em Hipermídia Adaptativa, que utiliza os resultados obtidos com as avaliações de aprendizagem e as definições derivadas dos estilos cognitivos dos aprendizes a fim de prover a retroalimentação dos demais modelos existentes em um hipermídia adaptativo. Na concepção do RHA foi adotada a representação por meio da UML (Unified Modeling Language) com objetivo de diminuir o risco de ambigüidade, facilitar o processo de modelagem computacional, proporcionar o reaproveitamento do modelo e otimizar a implementação do mesmo. Para apoiar a criação do RHA, foi adotado o modelo de referência Munich. Este utiliza UML e apresenta uma arquitetura que contempla módulos tradicionais dos hipermídias adaptativos, tais como: modelo de domínio, de usuário e de adaptatividade; porém, como os demais modelos de referência atuais, este não contempla a definição de itens explícitos à reutilização dos dados obtidos com as avaliações de aprendizagem. O modelo RHA foi criado como uma extensão do Munich, com concepção fundamentada em duas dimensões de estilos cognitivos estabelecidos (MESSICK, 1976), que nortearam a escolha de instrumentos de avaliação de aprendizagem destinados à modalidade ensino a distância. Os instrumentos de avaliação de aprendizagem abrangem atividades definidas de acordo com um grupo de ferramentas de comunicação e interação (síncronas e assíncronas) amplamente adotadas no ensino a distância. A modelagem do RHA envolve aspectos relativos a UML, como a criação das classes com seus atributos e métodos e os relacionamentos entre as classes já existentes no Munich. Para simular a aplicação do modelo RHA, foi definido um domínio de conhecimento relacionado à área de apoio ao ensino sobre Mercado de Capitais. Este tema se mostrou adequado, pois dada à quantidade de materiais e informações disponíveis sobre o assunto, é relevante a adoção de diferentes estilos de aprendizagem com tipos particulares de conteúdos e empregos das ferramentas de comunicação e interação, visando à avaliação de aprendizagem, para públicos distintos. Atualmente o número de cursos a distância no referido domínio de conhecimento é escasso, o que o torna ainda mais relevante para exploração. Palavras-chave: Hipermídia Adaptativa, Modelo de Referência, Estilo Cognitivo, Avaliação de Aprendizagem.
Abstract
This research proposes an extension to the reference models in adaptive hypermedia according to learning evaluation results and cognitive styles of apprentices. It is proposed, therefore, a model called RHA, Feedback Model in Adaptive Hypermedia, which uses the learning evaluation results and the definitions derived from the apprentices’ cognitive styles in order to provide feedback to the other existing models in an adaptive hypermedia. The RHA designing adopted the UML (Unified Modeling Language) representation in order to reduce the risk of ambiguity, facilitate the computer modeling process, providing the model reuse and optimize the implementation of it. To support the RHA creation was adopted Munich Reference Model. It uses UML and presents an architecture that includes modules of traditional adaptive hypermedia, such as: the domain model, user and adaptatividade, however, like other current reference models; this does not include the explicit items definition to data obtained reuse with the assessments of learning. The RHA model was created as an extension of Munich, with design based on four dimensions of cognitive styles (MESSICK, 1976) that guided the assessment tools choice for e-learning mode. The assessment instruments for learning covering activities determined by a group of communication and interaction tools (synchronous and asynchronous) widely adopted in e-learning. The RHA modeling involves aspects of the UML, as the creation of classes with their attributes and methods and the relationships between the classes existing in Munich. To simulate the RHA application was defined an area of knowledge related to education on the Capital Market. This theme was appropriate because the materials and information amount available on the subject, is relevant to the different learning styles adoption with particular content types and communication and interaction tools jobs, targeting the learning assessment, to public different. Currently the e-learning courses number in that expertise area is scarce which makes it even more relevant to exploitation. Keywords: Adaptive Hypermedia, Reference Model, Cognitive Styles, Learning Evaluations.
Sumário
1 Introdução .................................................................................................................................................... 12 1.1 Apresentação do Tema ...................................................................................................................... 12 1.2 Origem do Trabalho .......................................................................................................................... 14 1.3 Estabelecimento do Problema – Questão Central da Pesquisa ...................................................... 15 1.4 Objetivos ............................................................................................................................................. 15
1.4.1 Objetivo Geral ...................................................................................................................................... 16 1.4.2 Objetivos Específicos ........................................................................................................................... 16
1.5 Justificativa e Relevância da Pesquisa ............................................................................................. 16 1.5.1. Caracterização da Proposta no Escopo do Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento .......................................................................................................................................... 17
1.6 Procedimentos Metodológicos ........................................................................................................... 18 1.7 Pressuposto da Pesquisa .................................................................................................................... 20 1.8 Limitações do trabalho ...................................................................................................................... 20 1.9 Ineditismo ........................................................................................................................................... 20
2 Sistemas Hipermídia: Conceitos, Características e Evolução .................................................................. 22 2.1 Sistemas Hipermídia .......................................................................................................................... 22
2.1.1 Hipertexto ....................................................................................................................................... 22 2.1.2 Hipermídia...................................................................................................................................... 25
2.2 Sistemas Hipermídia Adaptativo ...................................................................................................... 26 2.3 Adaptatividade no Ensino a Distância (EaD) .................................................................................. 29 2.4 O que pode ser adaptado em Sistemas Hipermídia Adaptativos ................................................... 30
2.4.1 Adaptatividade no Suporte a Navegação ....................................................................................... 31 2.4.2 Métodos para Adaptatividade no Suporte a Navegação ............................................................... 32 2.4.3 Condução Global ................................................................................................................................. 32 2.4.4 Condução Local ................................................................................................................................... 33 2.4.5 Suporte à Orientação Local (Local orientation) ................................................................................. 34 2.4.6 Suporte à Orientação Global (Global orientation) ............................................................................. 35 2.4.7 Técnicas para Adaptatividade no Suporte à Navegação .................................................................... 37 2.4.8 Orientação Direta (Direct Guidance) .................................................................................................. 37 2.4.9 Adaptatividade de Apresentação .................................................................................................... 41 2.4.10 Métodos e Técnicas para Adaptatividade no Suporte a Apresentação ......................................... 42 2.4.11 Características adicionais que podem ser utilizadas para prover adaptação ............................... 47
3 Modelo de Referência para SHA ................................................................................................................ 51 3.1 Modelo Dexter .................................................................................................................................... 51 3.2 O Modelo de Referência AHAM ....................................................................................................... 53 3.3 Modelo de Referência Munich .......................................................................................................... 56
3.3.1 Arquitetura do Modelo Munich ..................................................................................................... 57 3.3.2 Camada de Armazenamento do Modelo Munich .......................................................................... 59 3.3.3 O Meta-modelo de Domínio ........................................................................................................... 60 3.3.4 Meta-modelo de Usuário ................................................................................................................ 61 3.3.5 Meta-modelo de Adaptatividade .................................................................................................... 63
4 Estilos Cognitivos e Ensino a Distância ..................................................................................................... 65 4.1 Utilização de Estilos Cognitivos no EAD.......................................................................................... 69
4.1.1 Estilos Cognitivos e Ambiente Virtual de Aprendizagem ............................................................. 69 4.1.2 Estilos Cognitivos e Sistema Hipermídia Adaptativo .................................................................... 73 4.1.3 Considerações sobre Estilos Cognitivos ........................................................................................ 81
5 Avaliação de Aprendizagem em Ensino a Distância ................................................................................. 82 5.1 Definições sobre Avaliação de Aprendizagem ................................................................................. 83 5.2 Avaliação de Aprendizagem e seu Contexto .................................................................................... 85 5.3 Tipos de Avaliação de Aprendizagem .............................................................................................. 86
5.3.1 Avaliação diagnóstica .................................................................................................................... 86 5.3.2 Avaliação formativa ....................................................................................................................... 86 5.3.3 Avaliação somativa ........................................................................................................................ 87
5.4 Considerações sobre os Tipos de Avaliação de Aprendizagem ...................................................... 88 5.5 Enfoques da Avaliação de Aprendizagem ........................................................................................ 88
5.5.1 Avaliação Tradicional .................................................................................................................... 89
5.5.2 Avaliação Integral .......................................................................................................................... 89 5.6 Funções da Avaliação de Aprendizagem .......................................................................................... 91 5.7 Passos da Avaliação de Aprendizagem ............................................................................................ 93 5.8 Avaliação em Sistemas Web .............................................................................................................. 94 5.9 Seleção de Sistemas e Ferramentas Web .......................................................................................... 99
5.9.1 Webeduc ......................................................................................................................................... 99 5.9.2 AulaNet ......................................................................................................................................... 101 5.9.3 AHA! ............................................................................................................................................ 102 5.9.4 MOT ............................................................................................................................................. 105
5.10 Conclusões sobre Avaliação de Aprendizagem em Ensino a Distância ....................................... 107 6 Modelo Proposto – RHA ........................................................................................................................... 111
6.1 Considerações sobre o Modelo de Munich ..................................................................................... 112 6.2 O uso de UML e UWE ..................................................................................................................... 113 6.3 A Triagem dos Estilos Cognitivos ................................................................................................... 116 6.4 Modelagem dos Estilos Cognitivos ................................................................................................. 118 6.5 Modelagem das Ferramentas de Avaliação de Aprendizagem .................................................... 125 6.6 Integração do RHA com o Modelo de Munich .............................................................................. 130
6.6.1 O Meta-modelo de Domínio e o RHA .......................................................................................... 133 6.6.2 O Meta-modelo de Usuário e o RHA ........................................................................................... 134 6.6.3 O Meta-modelo de Adaptação e o RHA ....................................................................................... 136
6.7 O Modelo RHA ................................................................................................................................. 139 6.8 Diagrama de Classe do Modelo RHA ............................................................................................. 139 6.9 Sondagem Inicial .............................................................................................................................. 141 6.10 Modelo de Banco de Dados ............................................................................................................. 144
6.10.1 Atributos Relevantes .................................................................................................................... 146 6.11 A Retroalimentação ......................................................................................................................... 149
7 Simulação do Modelo RHA ...................................................................................................................... 150 7.1 Ambiente Virtual de Aprendizagem Adotado ............................................................................... 150
7.1.1 Aspectos Técnicos do Ambiente Virtual de Aprendizagem Adotado .......................................... 154 7.2 O Modelo de Usuário ....................................................................................................................... 154 7.3 Modelo de Domínio e a Avaliação de Aprendizagem .................................................................... 158 7.4 O Modelo RHA na Simulação ......................................................................................................... 161
8 Considerações Finais e Trabalhos Futuros ............................................................................................. 169 8.1 Atendimento ao Objetivo da Tese ................................................................................................... 172 8.2 Resposta à Questão Pesquisa .......................................................................................................... 172 8.3 Recomendações para Trabalhos Futuros ....................................................................................... 172
9 REFERÊNCIAS ........................................................................................................................................ 174
12
1 Introdução
1.1 Apresentação do Tema
A partir do surgimento da WWW (World Wide Web), em 1990, foram criados diversos
tipos de aplicações com objetivo de atender as mais diferentes áreas de atuação humana.
Devido ao seu caráter distribuído e global, as aplicações Web agregam uma grande quantidade
de requisitos. Apesar de bastante diversificadas, uma pequena parte das aplicações Web está
relacionada ao compartilhamento de informações multimídia, organizadas de forma não-
linear, com base hipertextual. Essa maneira de tratar a informação é conhecida como
hipermídia e constitui a base para o desenvolvimento da WWW.
O dinamismo inerente à Web permite que uma quantidade maior de usuários com
perfis distintos acesse a mesma informação. Portanto, um requisito particularmente difícil de
ser tratado diz respeito à diversidade do público-alvo. É relevante, então, que o conteúdo
hipermídia seja disponibilizado diretamente para usuários com os mais variados objetivos,
preferências, interesses, conhecimento do domínio e grau de formação.
Sistemas Hipermídia Adaptativos (SHA) provêm acesso personalizado de maneira
automática às informações hipermídia. A maioria dos sistemas hipermídia adaptativos possui
adaptatividade no que tange à navegação e à apresentação do conteúdo. A estruturação dos
links ou sua apresentação podem ser diferentes para cada grupo de usuário. O conteúdo das
páginas e sua apresentação também podem ser diferenciados (AMARAL, 2002). Os Sistemas
Hipermídia Adaptativos que possuem seu conteúdo disponibilizado na Web tornam-se mais
complexos pelo dinamismo inerente à Web, que permite uma maior quantidade de usuários
com perfis distintos acessando a mesma informação (WU, 2001), (BROWN, 2005),
(PRIMUS, 2005), (BRAVO, 2006).
De acordo com Brusilovsky (2000), a Hipermídia adaptativa é uma alternativa para a
abordagem tradicional genérica e estática dos sistemas hipermídia. Pode ser aplicada nas mais
diversas áreas, inclusive na área educacional (BRUSILOVSKY, 1996), (BRUSILOVSKY,
1999), (DE BRA, 1999), (STASH, 2004), (STYNES, 2006). Os Sistemas Hipermídia
Adaptativos (SHA) refletem algumas características dos usuários em modelos e aplicam essa
informação na adaptação de diversos aspectos visíveis do sistema (BROWN, 2005),
(BUGAY, 2006).
13
Um mecanismo fundamental em SHA é o modelo de usuário, que representa
características variáveis do usuário, tais como suas preferências e conhecimento do domínio.
O modelo de usuário é constantemente atualizado e é usado pelo sistema para guiar o usuário
na direção de informações relevantes (BUGAY, 2006). As aplicações de hipermídia
adaptativa tipicamente também são adaptáveis, isto é, permitem que o usuário defina suas
preferências explicitamente ou inicie seu modelo de usuário através de formulários (DE BRA,
1999).
Os Sistemas Hipermídia Adaptativos são sistemas complexos e seu desenvolvimento
exige um projeto cuidadoso que contemple estudos de viabilidade, planejamento dos modelos
de usuário e de domínio, bem como experiência da equipe para determinar técnicas de
adaptação adequadas à aplicação sendo projetada.
No desenvolvimento deste tipo de SHA, é interessante identificar as abstrações
comuns existentes e modularizá-las. Na literatura, esse tipo de definição é também conhecido
como modelo de referência (HALASZ, 1990), (KOCH, 2002), (BUGAY, 2006) (OLIVEIRA,
2006). Existem vários modelos de referência, entre eles o modelo Dexter (HALASZ, 1990),
que é o precursor de alguns importantes modelos, como o AHAM (DE BRA, 1999), o LAOS
(CRISTEA, 2003) e o Munich (KOCH, 2002). De modo geral, um modelo de referência
provê um framework1 para expressar a funcionalidade de qualquer sistema hipermídia
adaptativo.
Segundo Koch (2002) e Oliveira (2006), o objetivo de um modelo de referência é
encontrar abstrações comuns em um mesmo sistema hipermídia adaptativo para prover sua
base de desenvolvimento. Além disso, um modelo de referência deve abranger todas as
ferramentas que são utilizadas nos SHA.
É válido destacar que os modelos de referência diferem das implementações em
Sistemas Hipermídia Adaptativos por não terem a pretensão de ser uma aplicação, mas sim a
de definir um conjunto de elementos que possam representar qualquer instância de um sistema
hipermídia adaptativo. Como exemplo desta afirmação, tem-se o trabalho de pesquisa
desenvolvido por Primus (2005), no qual fica bem denotado que a aplicação AHA! foi criada
com base no modelo de referência AHAM, e a aplicação MOT foi desenvolvida com base no
modelo de referência LAOS. 1 No desenvolvimento do software, um framework ou arcabouço é uma estrutura de suporte definida em que um outro projeto de software pode ser organizado e desenvolvido. Em orientação a objeto, framework é um conjunto de classes com objetivo de reutilização de um design, provendo um guia para uma solução de arquitetura em um domínio específico de software.
14
Em sua grande parte, os modelos de referência (Dexter, AHAM, Munich) possuem
uma arquitetura dividida em módulos que contemplam basicamente os seguintes elementos:
modelo de domínio, de usuário e de adaptatividade. Nestes modelos, não são contemplados
itens explícitos para a avaliação de aprendizagem; além disso, os eventuais resultados obtidos
durante avaliações não são utilizados para uma retroalimentação dos demais modelos para
auxiliar na definição e escolha dos estilos cognitivos dos aprendizes.
O objetivo desse trabalho é desenvolver o modelo RHA (Retroalimentação em
Hipermídia Adaptativa) que possa suprir as lacunas supracitadas. Para isso, propõe-se o uso
de UML (Unified Modeling Language) (BOOCH, 1999) como forma de representação dos
modelos e regras a serem definidos no RHA.
O uso de UML para modelagem de aplicações Web é bem difundido. O modelo de
referência de Munich (KOCH, 2000), (ANDREJKO, 2005), citado anteriormente, utiliza uma
extensão da UML denominada UWE (UML-based Web Engineering) (KOCH, 2000),
(KOCH, 2002), (KURUC, 2005), (BIELIKOVÁ, 2006). A UWE está sendo utilizada em
várias áreas e diversas pesquisas estão propondo melhorias, novas abordagens e aplicações
que podem ser visualizadas nas mais diversas pesquisas (ZHANG, 2005), (MELIÁ, 2005),
(BAUMEISTER, 2005), (KNAPP, 2006). Nos sistemas hipermídia adaptativos, ela é utilizada
para tratar requisitos específicos, tais como: adaptação de conteúdo, adaptação de navegação e
modelagem de usuário.
1.2 Origem do Trabalho
Esse trabalho de doutorado teve sua origem nas pesquisas realizadas durante o
desenvolvimento da dissertação de mestrado (AMARAL, 2002), inserida no projeto
AdaptWeb, um ambiente hipermídia adaptativo para Web que utiliza conceitos de
adaptatividade com a finalidade de disponibilizar um mesmo conteúdo para aprendizes de
grupos distintos.
O referido ambiente propõe dois níveis de adaptatividade: no conteúdo a ser
apresentado, em que a estrutura do conteúdo é adaptada ao perfil do usuário, e na navegação,
apresentando ou não informações ao usuário com base em seu ambiente tecnológico, que será
informado pelo usuário por intermédio de um questionário, e nos pré-requisitos estabelecidos
pelo autor (OLIVEIRA, 2002). O projeto funciona como um consórcio entre as Universidades
Federal do Rio Grande do Sul (UFRGS) e Estadual de Londrina (UEL). O trabalho de
15
mestrado apresentou um modelo de domínio estruturado em XML desenvolvido
especificamente para o AdaptWeb.
Neste contexto, foi desenvolvida uma dissertação de mestrado e vários dos artigos já
publicados, os quais possibilitaram a continuidade da pesquisa em Hipermídia Adaptativa na
Universidade Federal de Santa Catarina (UFSC), no Programa de Pós-graduação em
Engenharia e Gestão do Conhecimento (PPEGC), mais especificamente no HiperLab.
O grupo de pesquisa que compõe o HiperLab já desenvolveu diversos trabalhos na
área de Hipermídia, entre eles: (ULBRICHT, 2000), (FERREIRA, 2001), (PEREIRA, 2004),
(VIEIRA, 2005), (VANZIN, 2005b), (BRAGA, 2006), (ULBRICHT, 2006). Além destes
trabalhos, que possuem como foco a hipermídia clássica, o HiperLab agrega pesquisas
relacionadas com o uso de Hipermídia Adaptativa, UML, e também UWE, que podem ser
comprovadas nas seguintes publicações: (VANZIN, 2005), (AMARAL, 2006a), (AMARAL,
2006b), (AMARAL, 2006c), (AMARAL, 2006d), (BUGAY, 2006), (ZANCHETT, 2006),
(KAMINSKY, 2006).
1.3 Estabelecimento do Problema – Questão Central da Pesquisa
O problema de pesquisa que norteia o trabalho proposto pode ser definido por meio da
seguinte questão:
Como utilizar os resultados da avaliação de aprendizagem e estilo cognitivo para
retro-alimentar os demais elementos de um modelo de referência de SHA?
Podem se relacionar a este problema de pesquisa os seguintes fatos:
• Não foram encontrados, na base bibliográfica consultada, modelos de referência que
contemplem o módulo de avaliação;
• O processo de avaliação ainda não está bem definido no EaD;
• Não foi encontrada, na base bibliográfica consultada, integração de modelos de
ferramentas utilizadas para avaliações de aprendizagem na Web com modelos de
referência em sistemas hipermídia adaptativos.
1.4 Objetivos
Para o desenvolvimento deste estudo foram definidos os seguintes objetivos:
16
1.4.1 Objetivo Geral
Desenvolver, com paradigma orientado a objetos, o modelo RHA, que utiliza os
resultados de avaliação de aprendizagem e dos conceitos de estilos cognitivos para
retroalimentação dos demais módulos de um sistema hipermídia adaptativo.
1.4.2 Objetivos Específicos
Os objetivos específicos compreendem:
• Propor o modelo RHA utilizando definições e características de estilos cognitivos;
• Utilizar os resultados da avaliação de aprendizagem no modelo RHA para
retroalimentação dos modelos de usuário, domínio e adaptação;
• Utilizar UML (paradigma orientado a objetos) para explicitar o modelo RHA;
• Propor a convergência de elementos relevantes do modelo de aluno, domínio e
adaptação no modelo RHA, contemplando estilos cognitivos e estratégias de
aprendizagem;
• Propor utilização das regras que envolvem os resultados de avaliação de aprendizagem
e os estilos cognitivos em ambientes hipermídia adaptativos;
• Aplicar o modelo RHA em pelo menos um dos modelos de referência existentes;
• Realizar uma simulação do modelo RHA.
1.5 Justificativa e Relevância da Pesquisa
Nos SHA, um modelo de referência define os componentes básicos de um sistema
hipermídia adaptativo, que é um conjunto de abstrações que modelam as características e
tarefas relativas a estes sistemas. Para o desenvolvimento de um sistema hipermídia
adaptativo, torna-se necessária a utilização de um modelo de referência.
De acordo com De Bra (1999), modelos de referência são conceituais e abstratos, e
apóiam a especificação de sistemas constituídos por distintos componentes, em que cada
componente é representado por um modelo específico. Para Oliveira (2006), um modelo de
referência específico para Sistemas Hipermídia Adaptativos Educacionais (SHAE) refere-se a
um modelo composto por outros modelos distintos que representam aspectos específicos do
modelo maior.
17
Grande parte dos modelos de referência que se aplicam a sistemas hipermídia
adaptativos, AHAM (DE BRA, 1999), Munich (KOCH, 2002), Laos (CRISTEA, 2003),
modelo de referência para SHAE (OLIVEIRA, 2006), entre outros, possui uma arquitetura
dividida em módulos que contemplam basicamente os seguintes elementos: modelo de
domínio, de usuário e de adaptatividade.
Nestes modelos não são contemplados itens explícitos para a avaliação de
aprendizagem. Além disso, os eventuais resultados obtidos durante avaliações não são
utilizados para uma retroalimentação dos demais modelos, considerando aspectos do estilo
cognitivo do aprendiz.
É importante, na aprendizagem, utilizar os resultados das avaliações, pois estes irão
determinar o grau de compreensão que um aprendente obteve sobre um determinado domínio.
Desta forma, esta pesquisa propõe-se empregar estes resultados para adequar e aprimorar as
regras de adaptação e os dados a serem armazenados no modelo de usuário. Para tanto, será
desenvolvido o modelo RHA utilizando como base a UML e suas variações aplicadas na Web,
tal como a UWE.
A UML está sendo utilizada amplamente para modelagem de sistemas Web
(GRONMO, 2004), (PEAK, 2004), (STURM, 2004), (ZANG, 2005a), (ZANG, 2005b),
(ARAKAKI, 2006), (RAMADA, 2006), (WU, 2006), (FU, 2006) e, na área de hipermídia,
diversas pesquisas utilizam e destacam as vantagens de se utilizar a orientação a objeto para
modelar sistemas hipermídia Web (DOLOG, 2002), (CUZZOCREA, 2004) (BAUMEISTER,
2005), (KNAPP, 2005), (PAPASALOUROS, 2005), (TERÊNCIO, 2005), (ESCALONA,
2006), (OLIVEIRA, 2006).
Como mencionado anteriormente, o modelo RHA tem sua modelagem orientada a
objetos e sua principal funcionalidade é retroalimentar os demais modelos existentes em um
hipermídia adaptativo (usuário, domínio, adaptação), utilizando os resultados das avaliações
de aprendizagem e as características dos estilos cognitivos do aprendiz.
1.5.1. Caracterização da Proposta no Escopo do Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento
O Programa de Pós-Graduação de Engenharia e Gestão do Conhecimento (PPEGC)
tem foco no ensino, na pesquisa, no desenvolvimento e na implementação de métodos e
técnicas para a promoção da criação, da codificação, do gerenciamento e da disseminação do
18
conhecimento entre a universidade e os diversos segmentos da sociedade, independentemente
da localização geográfica ou temporal dos agentes desse processo.
A presente pesquisa está vinculada ao PPEGC com aderência à área de pesquisa de
Mídia e Conhecimento, pois correlaciona temas como: representação do conhecimento,
desenvolvimento para Web, ambientes hipermídia adaptativos, mídia e conhecimento.
A proposta também tem nuances que sinalizam sua integração com a área de
Engenharia do Conhecimento, pois utiliza conceitos e técnicas de Inteligência Artificial, no
tocante aos aspectos de adaptação do ambiente virtual. Também é relevante destacar o
relacionamento com a área de Engenharia de Software, já que foi realizado estudo sobre
Modelagem Orientada a Objetos, mais especificamente UML, para a concepção do modelo
RHA. A área de Gestão do Conhecimento é relacionada à pesquisa na abordagem de
avaliação de aprendizagem e representação e manipulação do conhecimento.
Além de receber influência destas áreas, o trabalho está agregado, também, às
pesquisas no contexto educacional, de aprendizagem e ciências cognitivas.
Dentro do escopo do PPEGC, trata-se de uma pesquisa que tem por objetivo definir
um modelo para a implementação de um ambiente que, de forma efetiva, prima por
disseminar o conhecimento da academia e integrá-lo a outras instituições, sem considerar
barreiras geográficas, praticando conceitos que são oriundos da missão do PPEGC.
1.6 Procedimentos Metodológicos
Esta pesquisa é definida como uma pesquisa aplicada, pois objetiva gerar
conhecimentos para aplicação prática, dirigidos à solução de problemas específicos
(LAKATOS, 1993). No caso do trabalho proposto, pretende-se gerar conhecimento sobre
modelos de referência para Sistemas Hipermídia Adaptativos, inserindo uma visão relativa à
utilização dos resultados de avaliação de aprendizagem e estilos cognitivos dos aprendizes, já
que estes elementos, em conjunto, não são atualmente abordados nos modelos supracitados.
Quando se considera a forma de abordagem do problema, esta pode ser considerada
uma pesquisa qualitativa, pois se baseia em uma abordagem holística, enfatizando o
comportamento humano e sua complexidade. A pesquisa qualitativa trata os temas dentro de
seu meio natural, interpretando os significados pertencentes aos indivíduos (LAKATOS,
1993). Os autores Halasz (1990), De Bra (1999), Koch (2002), Cristea (2003), Bugay (2006) e
Oliveira (2006) conceberam modelos de referência utilizando como escopo, para os
19
parâmetros de adaptação, o conteúdo, a estrutura e a apresentação desse mesmo conteúdo em
uma hipermídia adaptativa. Na presente pesquisa, pretende-se maximizar a abordagem
holística do ser humano e, neste caso, acrescentam-se como parâmetro de adaptação, aos já
mencionados, os resultados obtidos nas avaliações de aprendizagem além de características
relativas ao estilo cognitivo do aprendiz.
Em relação aos objetivos, esta pesquisa é exploratório-descritiva. Exploratória por
pretender proporcionar maior familiaridade com o problema, identificando, nos modelos de
referência citados, outros parâmetros para se realizar a adaptação, bem como uma maneira de
realimentar os módulos já existentes nas arquiteturas dos modelos existentes. Além disso,
procura-se utilizar o paradigma orientado a objetos para a representação da proposta aqui
presente.
Do ponto de vista dos procedimentos técnicos, a pesquisa é definida como
bibliográfica. Para tanto, segue uma pesquisa bibliográfica realizada por meio de fontes
primárias impressas ou digitais.
A bibliografia existente evidencia a possibilidade de fazer convergir temas como:
sistemas hipermídia adaptativos, estilos cognitivos, avaliação de aprendizagem, modelo de
referência para SHA e modelagem baseada no paradigma orientado a objetos em uma
proposta de construção de um modelo que permita estruturar e contribuir para o projeto de um
SHA, visando ao domínio do conhecimento, bem como a arquitetura destes sistemas. Para
tanto, a metodologia utilizada prevê as seguintes atividades:
• Pesquisar, em documentos digitais e impressos, modelos de referência já
desenvolvidos. Detalhar cada um dos módulos desses modelos pesquisados e verificar
seus relacionamentos e atributos;
• Estabelecer uma comparação entre os modelos de referência estudados, com base em
pesquisas bibliográficas;
• Pesquisar estilos cognitivos para identificar suas aplicações em sistemas de ensino/
aprendizagem na Web, não necessariamente hipermídia adaptativa;
• Delimitar os estilos cognitivos que possam ser utilizados especificamente em modelos
de SHA;
• Estabelecer regras para utilização dos resultados de avaliações de aprendizagem que já
ocorrem em SHA. Não serão considerados, aqui, os métodos de avaliação, apenas os
resultados obtidos por meio da avaliação;
20
• Modelar o RHA utilizando orientação a objetos, com base nos diagramas e definições
da UML e suas variações propostas para Web;
• Inserir e aplicar o modelo RHA em um dos modelos de referência já existentes.
1.7 Pressuposto da Pesquisa
Os resultados das avaliações de aprendizagem são dados que representam a forma de
pensamento do aprendente em um determinado momento, interferem diretamente no modelo
de usuário de um SHA e auxiliam no processo de retroalimentação dos elementos do modelo
de referência.
1.8 Limitações do trabalho
É necessário esclarecer que esta pesquisa se propõe utilizar os resultados das
avaliações de aprendizagem, definidas pelo especialista do domínio (professor) para
desenvolver o modelo RHA. Além disso, é interessante ressaltar que este estudo não abordará
as diferentes teorias de aprendizagem nem as avaliações de aprendizagem que delas advêm,
pois a pesquisadora entende que a escolha da melhor pedagogia a ser utilizada é a de
competência e prerrogativa do especialista do domínio.
1.9 Ineditismo
O modelo RHA se pauta na utilização conjunta dos resultados de avaliação de
aprendizagem e das características do perfil cognitivo do aprendiz para retroalimentar os
demais módulos de um modelo de referência. Na literatura existem pesquisas que já utilizam
estilos cognitivos nos SHA (CRISTEA, 2003), (STASH, 2004), (BROWN, 2005). Porém
estas pesquisas são mais focadas no processo de autoria dos sistemas hipermídia adaptativos
do que no modelo de referência em si (PRIMUS, 2005). Pode-se concluir que as pesquisas
relacionadas são mais focadas no produto SHA do que no processo de modelagem e
desenvolvimento de um SHA.
Este trabalho foca o processo de modelagem e desenvolvimento de um SHA. Além de
agregar conceitos relativos às pesquisas supracitadas, existe ainda a inserção da modelagem
dos resultados de avaliação de aprendizagem.
21
Aproveitando a natureza modular dos modelos de referência para SHA, o modelo
RHA poderá ser inserido como uma extensão dos modelos de referência já existentes. A sua
base de concepção terá predominantemente a orientação a objetos como paradigma
referencial. Portanto, modelos que se apropriem dos conceitos de classe e objetos (KOCH,
2002), (OLIVEIRA, 2006), (DE BRA, 1999), (BROWN, 2005) são recomendados para
adotarem o RHA como extensão, já que não possuem um módulo específico para trabalhar
com os conceitos e entidades contidas no modelo RHA.
A proposta é que o modelo RHA cumpra o papel de preencher o processo de
retroalimentação, trabalhando com avaliação de aprendizagem formativa e com os seguintes
estilos cognitivos: Dependência de Campo – Independência de Campo; Impulsividade –
Reflexividade de Resposta; Convergência – Divergência de Pensamento e Holista – Serialista,
discutidos no capítulo 2 desse mesmo trabalho.
22
2 Sistemas Hipermídia: Conceitos, Características e Evolução
Este capítulo tem como foco o estudo dos sistemas hipermídia adaptativos. Porém,
antes de detalhar suas características e propriedades, faz-se necessário definir os sistemas
hipermídia, pois estes são precursores da presente área de pesquisa.
Para desenvolver este estudo, foi proposta a seguinte organização de tópicos: primeiro,
serão tratados os sistemas hipermídia. Com base neles, tem-se a caracterização dos sistemas
hipermídia adaptativos (SHA) e os modelos de referência existentes. Com a finalidade de
propor um aprimoramento nos modelos de referência de SHA, que é a proposta desta tese,
devem ser estudados modelos de avaliação de aprendizagem e modelos baseados em estudos
sobre estilos cognitivos.
2.1 Sistemas Hipermídia
Nos últimos anos, vem sendo observado um crescente aumento no interesse em
multimídia, hipertextos e sistemas hipermídia. Literaturas e seminários têm sido produzidos
no sentido de definir o que é necessário para aplicações de sistemas hipermídia adaptativos.
Segundo Fernandes (1997), a área da hipermídia é fundamentalmente importante, possuindo
potencial intenso para revolucionar o desenvolvimento e a liberação de aplicações, bem como
para sofisticar a usabilidade dessas aplicações.
Os sistemas hipermídia são a base de pesquisa para os sistemas hipermídia
adaptativos, sendo que ambos são desenvolvidos tomando como princípio o conceito de
hipertexto.
2.1.1 Hipertexto Vannevar Busch concebeu a primeira idéia de um sistema hipertextual em 1945,
quando idealizou o Memex, um sistema de documentos distribuídos em uma estrutura não-
linear. De acordo com Bush (1945), a maior parte dos sistemas de indexação e organização de
informações em uso na comunidade científica da época lhe parecia artificial, pois considerava
apenas uma ordenação puramente hierárquica (classes, subclasses, etc.). Em contrapartida, a
mente humana não opera dessa forma, mas sim por meio de associações, navegando de uma
representação para outra ao longo de uma rede de elementos associados.
Em 1968, Douglas Engelbart criou o sistema NLS (oN Line System), que funcionava
como um assistente computacional para aumentar a capacidade e a produtividade humana. Em
23
paralelo, Theodor (Ted) Nelson, atuando no projeto Xanadu, definiu os termos hipertexto e
hipermídia para denotar uma organização não-linear de informação que se assemelha à forma
do ser humano pensar (ULBRICHT, 2000).
Para Levy (1993), hipertexto é um conjunto de nós ligados por conexões. Pode-se
considerar um nó como sendo uma unidade de informação, ou seja: uma palavra, uma página,
imagem, gráfico, parte de um texto, uma seqüência sonora ou mesmo um documento
complexo que pode ser tratado como um hipertexto. Estes itens de informação não são
conectados de maneira linear. Navegar em um hipertexto significa, portanto desenhar um
percurso em uma rede, que pode ser tão complicada quanto possível, porque cada nó pode,
por sua vez, conter uma rede inteira.
Nos hipertextos, a liberdade inerente ao leitor o torna autor de um novo texto e
receptor daquilo que lê. A possibilidade de múltiplos trajetos de leitura cria essa dicotomia
entre leitor e escritor, além de viabilizar a criação de novos textos. Pode-se considerar que
cada trajeto de leitura é um novo texto.
De acordo com Nanard (1994), os hipertextos são a composição de um conjunto de
documentos e, por conseqüência, de um conjunto de conhecimentos, estes conectados por
ligações denominadas links. Este autor considera que: “Um hipertexto é um agente que auxilia os seres humanos nas tarefas de leitura ativa, aproximando informações pertinentes segundo o contexto de leitura passada e presente considerando o hipertexto como um agente, ou um conjunto de agentes; eles devem cooperar entre si, se apoiando em seus próprios conhecimentos ou na divisão destes conhecimentos, para garantir ao leitor o acesso à informação.” (NANARD, 1994, p. 10)
Pode-se afirmar, então, que os hipertextos formam um conjunto de conhecimento, no
qual cada fragmento do conhecimento é uma unidade ou uma ilha de informação, denominada
nós, ou nodos. Estes elementos são conectados por meio de ligações, ou links. O uso de
hipertexto possibilita explicitar diversas análises de níveis distintos sobre um mesmo
elemento, além de apresentar os vários pontos de vista que existem sobre um determinado
conteúdo.
Segundo Lévy (1993), o hipertexto possui seis princípios abstratos que permitem
preservar as múltiplas interpretações do modelo de hipertexto:
1. “O princípio da metamorfose – a rede de hipertexto está em constante
construção e renegociação com todos os elementos que a compõe, sejam eles
humanos ou objetos midiáticos”;
24
2. “O principio da heterogeneidade – os elementos de conexão são heterogêneos.
Permite colocar em jogo pessoas, grupos, artefatos, forças naturais de todos os
tamanhos, com todos os tipos de associações que sejam possíveis imaginar
entre eles”;
3. “O princípio da multiplicidade e de encaixe de escalas – coloca a capacidade
de organização de forma fractal. Qualquer nó ou conexão pode ser analisado
como parte de toda uma rede”;
4. “O princípio de exterioridade – seu universo depende de um exterior
indeterminado. Seu crescimento e diminuição dependem de novos elementos,
externos a ele”.
5. “O princípio de topologia” – a rede não está no espaço, ela é o espaço. “Tudo
funciona por proximidade”;
6. “O princípio de mobilidade dos centros – a rede possui diversos centros
saltando de um nó a outro. Não existe um centro único”.
Ainda de acordo com as pesquisas de Lévy (1993): “Funcionalmente, o hipertexto é um tipo de programa para a organização de conhecimentos ou dados, a aquisição de informações e a comunicação. (..). Estes programas (..) permitem (..) a construção de bases de dados com acesso associativo, muito imediato, intuitivo, combinando som, imagem e texto. (..) Um sistema de hipertexto retoma e transforma antigas interfaces da escrita.” (LÉVY, 1993, p. 33)
Neste sentido, a escolha de trabalhar com hipertexto na educação vai ao encontro das
teorias pedagógicas que defendem a autonomia, a interação e construção de conhecimentos. A
memória humana compreende melhor aquilo que está organizado em esquemas e com
representações espaciais. O hipertexto é uma representação espacial que permite acesso por
meio de redes e tramas. Essa representação propicia a interatividade e pode favorecer a
compreensão melhor do que se conhece. Um sistema de hipertexto apresenta três
características (LÉVY, 1993):
1. Aleatoriedade ao acesso à informação;
2. Flexibilidade para ir e voltar;
3. Forma estrutural de rede.
A utilização de hipertextos permite duas abordagens complementares: a forma usuário
e a forma autor. Na forma usuário, utiliza-se a navegação entre os nós e links do documento,
numa interação autônoma – o leitor constrói o seu texto à medida que forma seqüências
diferenciadas, conforme seu interesse, ou seja, ele decide a navegação que faz no hipertexto.
25
Na forma autor, cria-se uma rede semântica entre as informações do hipertexto e os elementos
midiáticos que o amplificam. Em ambas as formas, a lógica da exploração do documento se
dá pela não-linearidade.
2.1.2 Hipermídia
Sistemas hipermídia podem ser definidos a partir da relação entre os conceitos de
hipertexto e multimídia. A multimídia compreende os múltiplos meios que podem ser usados
na representação de uma informação, como: texto, imagem, áudio, animação e vídeo. Este
termo pode se referir a um sistema computacional ou a outros suportes não informatizados.
Por hipertexto, entende-se um sistema computacional que apresenta informação em geral na
forma de texto, organizada não seqüencialmente, por meio de ligações entre palavras-chave
(vínculos), destacadas em geral pela cor, e que permitem a navegação do usuário entre nós
relacionados (REZENDE, 2005).
Segundo Balasubramanian (1997), as características básicas dos sistemas hipermídia
são: uma interface normalmente gráfica e uma visão geral de diagrama; um sistema de autoria
com ferramentas para a criação e administração de nós e links; mecanismos tradicionais de
recuperação de informação e uma máquina de hipermídia para administrar a informação
contida nos nós e nos links. Nesses sistemas, o armazenamento pode ser feito através de um
gerenciador de arquivos, uma base de conhecimento, um sistema de gerenciamento de banco
de dados relacional ou um sistema de gerenciamento de banco de dados.
Para melhor entendimento, são apresentados a seguir alguns conceitos relacionados
com a hipermídia (BALASUBRAMANIAN, 1997):
• Hiperdocumento: pode ser visto como um banco de dados, organizado como uma
estrutura de rede, em que os nós, unidos por links, contêm trechos de informação;
• Nó: é a menor unidade de informação e contém um trecho de informações definidas
pelo autor. Um nó é, normalmente, associado a uma janela exibida na tela e sua
manipulação tenta imitar o manuseio de livros. Geralmente representa um conceito e
pode conter texto, gráficos, animação, áudio, vídeo, imagens ou programas;
• Link: representa o relacionamento definido pelo autor entre dois trechos de
informação. Um nó é mostrado na tela com uma ou mais palavras marcadas (âncoras),
através das quais o usuário ativa um link, abrindo uma janela de novas informações ou
informações de origem. Tem como funções associar idéias diferentes em diferentes
26
nós, conectar nós a outros nós, conectar anotações e comentários aos textos aos quais
pertencem, oferecer informação organizacional, como estabelecer relações entre duas
partes de textos ou entre o índice de conteúdo do texto e suas seções, e conectar
informações explicativas e documentos a um mapa, figura ou gráfico, auxiliando seu
entendimento.
As definições de cunho técnico, citadas acima, comprovam que falar em hipermídia
significa dispor de informações no formato de texto, devendo ser acrescido de gráficos,
imagens animadas, vídeos gravados, áudio digitalizado ou outros elementos que são possíveis
graças à tecnologia. É importante ressaltar que o conceito de hipermídia não envolve apenas a
natureza de exibição das informações, mas também como elas podem ser consultadas (DE
BRA, 1992).
Um dos principais campos de aplicação da hipermídia é o da Educação e Treinamento.
Os outros incluem: ilustração, anotação, documentação on-line, acesso e recuperação de
informações, entre outras. A hipermídia é apropriada para aplicações que incluem treinamento
e educação, principalmente em virtude da flexibilidade que a tecnologia oferece. Esta
flexibilidade se reflete no acesso não-linear à informação, ou seja, o usuário escolhe entre
início, meio ou fim de um texto (BIELAWSKI, 1991).
Uma das linhas de pesquisa de alta relevância no campo das Tecnologias da
Informação e Comunicação é a que propõe o desenvolvimento de sistemas hipermídia e o
estudo de processos de aprendizagem a partir de sua utilização (REZENDE, 2005). Esta é
considerada uma tecnologia chave para a presente década e vem despertando grande interesse
da comunidade de informações nos últimos anos, inclusive como tema de congressos, jornais
e publicações internacionais (PALAZZO, 2001).
Os sistemas hipermídia, além de oferecerem nova maneira de aprender, também
fornecem um novo caminho para aprender a estudar (MARCHIONINI, 1988). Estes
ambientes levam a uma constante tomada de decisões e a uma avaliação contínua por parte do
usuário, acarretando, desta forma, o desenvolvimento de habilidades cognitivas.
2.2 Sistemas Hipermídia Adaptativo
Nos últimos anos, a popularidade dos Sistemas Hipermídia (SH) vem aumentando
principalmente por serem aplicações que auxiliam no direcionamento do acesso à informação.
Dentro do conceito de SH, os Sistemas Hipermídia Adaptativos (SHA) são uma nova
27
tendência de pesquisa, cuja meta é aumentar a funcionalidade dos SH, tornando-os
personalizados, ou seja, adaptados às necessidades do usuário (BRUSILOVSKY, 1996).
No contexto da Ciência da Computação, pode-se considerar o estudo dos Sistemas
Hipermídia Adaptativos como sendo a área que estuda o desenvolvimento de sistemas,
arquiteturas, métodos e técnicas capazes de promover a adaptação de hiperdocumentos e
hipermídia em geral às expectativas, necessidades, preferências e desejos de seus usuários
(PALAZZO, 1999), (PALAZZO, 2004).
Sistemas Hipermídia Adaptativos provêm acesso personalizado de maneira automática
às informações hipermídia. A maioria dos SHA possui adaptatividade no que tange à
navegação e à apresentação do conteúdo. A estruturação ou a apresentação dos links pode ser
diferente para cada grupo de usuário, bem como o conteúdo das páginas. Grande parte dos
sistemas hipermídia adaptativos possui seu conteúdo disponibilizado na Web, o que os torna
mais complexos pelo dinamismo (inerente à Web), ou seja, pode-se ter uma quantidade maior
de usuários com perfis diferentes acessando a mesma informação (WU, 2001).
Os SHA estruturam um modelo tomando como base objetivos, preferências e
conhecimento dos aprendizes e utilizam estas informações juntamente com informações
relacionadas à interação com o sistema, para adaptar o conteúdo de acordo com o usuário
(BRUSILOVSKY, 1996), (FALKEMBACH, 2000), (BRUSILOVSKY, 2002), (CARRO,
2002), (CANDOTTI, 2006).
Sabendo dos objetivos e do conhecimento do usuário, o papel dos SHA é apoiar o
usuário na navegação, limitando seu espaço navegacional, sugerindo os links mais relevantes
e fornecendo comentários adaptativos para os links visíveis. Segundo Candotti (2006), um
SHA deve satisfazer os seguintes critérios mínimos: ser um sistema hipermídia, possuir um
modelo de usuário e adaptar-se de acordo com este modelo.
A utilização de grupos com características comuns para divisão dos perfis de usuário
pode ser considerada uma forma de adaptatividade. Em sistemas hipermídia adaptativos
voltados para educação a distância, prover ao usuário um ambiente com características
específicas para o perfil de seu grupo auxilia tanto o instrutor, que pode tornar seu material
mais organizado e de fácil manutenibilidade, como o aluno, que tem o foco de seu estudo
mais centrado (BRUSILOVSKY, 2001).
A referida adaptação pode, então, ser provida com base nos conteúdos e recursos
hipermídia, vindos de qualquer fonte, bancos de dados e Internet, entre outros, e podem ser
28
apresentados em qualquer formato, texto, áudio ou vídeo, e suas combinações são elaboradas
de acordo com o perfil ou modelo de seus usuários (PALAZZO, 2001).
A visão clássica do laço de adaptação do sistema ao modelo do usuário é apresentada
na figura 1.
Figura 1. O laço clássico: modelo do usuário – adaptação. Fonte: Palazzo (2001).
A adaptação do sistema é tratada da seguinte forma: inicialmente, é realizada a coleta
dos dados do usuário, que pode ser visualizada, na figura 1, por meio do passo (a). Esses
dados são processados dentro dos moldes estabelecidos nas regras de modelagem escolhidas
(passo (b) da figura 1), alimentando o modelo do usuário. As regras de adaptação interagem
com os dados do modelo de usuário para produzir o efeito adaptativo (passo (c) da figura 1)
que, ao final do laço, modificará o SHA (passo (d) da figura 1).
Nota-se, portanto, que a figura 1 reflete o esquema dos SHA tradicionais, que tentam
atingir as necessidades de informações de um usuário, considerando o conteúdo da
informação, sua recuperação e apresentação de forma personalizada, além das preferências
dos usuários relativas aos seus objetivos e mídias. Geralmente, esses sistemas suportam um
conjunto de técnicas de adaptatividade (CONLAN, 2006).
As considerações sobre adaptatividade e as formas de adaptação existentes derivam
das definições citadas na presente seção. Os detalhes relativos aos métodos e técnicas que
definem e implementam a adaptatividade no ensino a distância são discutidos adiante, no
presente capítulo.
Modelo do usuário
COLETA
PROCESSA
PROCESSA
MODIFICA
Regras de adaptação
Regras de modelagem
Dados sobre o usuário
Efeito adaptativo
Sistema HA
(b)
(c)
(d)
(a)
29
2.3 Adaptatividade no Ensino a Distância (EaD)
Antes de se detalhar e estender as reflexões sobre adaptatividade, é prioritário definir e
diferenciar os termos adaptativo e adaptável. Segundo Koch (2001), existe uma distinção
sobre os tipos de sistemas hipermídias (incluindo Websites) capazes de executar algum tipo de
personalização. Eles podem ser customizáveis, também chamados de adaptáveis, ou podem
ser adaptativos e, em ambos os casos, o usuário possui um papel fundamental para que o
sistema possa oferecer a personalização. A diferença entre eles é a maneira que a adaptação
ocorre:
– Hipermídias Adaptáveis/Ajustáveis (Adaptable Hypermedia): o usuário pode
fornecer algum perfil (através de um diálogo ou de um questionário). Baseado neste perfil, o
sistema fornece uma versão da aplicação da hipermídia que corresponde ao perfil selecionado.
Os ajustes podem incluir determinadas preferências da apresentação (cores, tipo de mídia,
estilo da aprendizagem, etc.) e características do usuário (qualificações, conhecimento sobre
conceitos, etc.) (DE BRA, 1999). Exemplos comuns são sites de comércio eletrônico e de
cadastro de e-mail gratuito, em que o usuário deve fazer um cadastro com suas preferências,
seu perfil econômico, social, etc., e pode mudá-lo quando achar necessário.
– Hipermídias Adaptativos/Adaptáveis (Adaptive Hypermedia): o sistema monitora
o comportamento do usuário e adapta a apresentação adequadamente. A evolução das
preferências do usuário e de seu conhecimento pode ser deduzida dos acessos da página. Às
vezes, o sistema necessita utilizar questionários ou testes para ter uma impressão mais exata
do estado do usuário. A maioria das adaptações, entretanto, é baseada nas ações de navegação
do usuário, e possivelmente também no comportamento de outros usuários (DE BRA, 1999).
A adaptação pode ser feita modificando-se apresentações e formas de acesso preestabelecidas
ou construindo-as com partes da informação. Neste caso, quando existe uma geração
dinâmica de páginas, esses sistemas também são conhecidos como hipermídias dinâmicos
(KOCH, 2001).
A presente pesquisa trata de Sistemas Hipermídias Adaptativos (Adaptive Hypermedia
System), sendo este definido em Brusilovsky (1996) como “o estudo de sistemas, arquiteturas,
métodos e técnicas capazes de promover a adaptação de sistema hipermídia e hiperdocumento
em geral aos objetivos, necessidades, preferências e desejos de seus usuários”.
Nora Koch explica que: “Sistemas hipermídias adaptativos são tanto sistemas hipermídias e sistemas adaptativos. Eles combinam a hipermídia com os Sistemas Tutores Inteligentes (STI) guiados pela adaptação da informação, da interface e do layout apresentados, ou pelo
30
modo de como as unidades de informação são visualizadas, isto é, como a navegação é proposta.” (KOCH, 2001, p. 15).
Esses conceitos são denotados nesta tese.
2.4 O que pode ser adaptado em Sistemas Hipermídia Adaptativos
Generalizando, hipermídias consistem em conjuntos de nós ou hiperdocumentos
(chamados aqui de páginas) conectados por links. Cada página contém algumas informações
locais e um número de links para páginas relacionadas. Sistemas hipermídias podem, também,
incluir um índice e um mapa global que provêm links para todas as páginas acessíveis.
Sistemas adaptativos podem se beneficiar da diferenciação entre adaptação de conteúdo,
interface e navegação (BRUSILOVSKY, 1999), (KOCH, 2001). O conteúdo consiste em
trechos de informação inclusos nas aplicações hipermídias como textos, imagens, vídeos,
animações. A estrutura representa a organização do conteúdo com a especificação de quais
itens poderão ser vistos e como eles serão visitados pela navegação. A apresentação da
interface é a visualização do conteúdo, dos elementos interativos e da navegação, que
suportam as funcionalidades da hipermídia.
Duas tecnologias diferentes de adaptabilidade são apresentadas por Brusilovsky
(1996): a adaptação do conteúdo das páginas (content-level adaptation) e a adaptação de seus
links, páginas de índices e mapas (link-level adaptation). A adaptação no nível de conteúdo
(content-level adaptation) e adaptação no nível de ligamentos (link-level adaptation) são
mostradas como duas classes de adaptação chamadas, respectivamente, de apresentação
adaptativa (adaptive presentation) e suporte de navegação adaptativa (adaptive navigation
support).
Outra adaptação possível, quanto à apresentação, é mudar o layout da aplicação (não
afetando o conteúdo propriamente dito), como as cores, os tipos e tamanhos das fontes. Essa
adaptação pode ser definida como outra tecnologia para prover adaptabilidade como
adaptação da apresentação da interface conforme definido em (KOCH, 2001). Este trabalho
trata como apresentação adaptativa os dois níveis: o conteúdo e a interface.
Um esquema das categorias de tecnologias de adaptabilidade pode ser visualizado na
figura 2.
31
Figura 2. Tecnologias para adaptabilidade. Fonte: Gasparini (2003).
De modo geral, a apresentação adaptativa, ou adaptatividade de apresentação, pode
resolver o problema dos sistemas hipermídia utilizados por diferentes classes de usuários,
enquanto a navegação adaptativa, ou adaptatividade de suporte à navegação, é utilizada para
prover algum tipo de suporte navegacional e prevenir que o usuário se perca no hiperespaço.
As próximas seções deste capítulo discutem algumas das tecnologias apresentadas na
figura 2.
2.4.1 Adaptatividade no Suporte a Navegação
A idéia dos métodos e técnicas de adaptatividade no suporte à navegação é auxiliar o
usuário a encontrar seus caminhos no hiperespaço, prevenindo que o usuário não se perca. Os
métodos de suporte à navegação podem ser assim resumidos (PALAZZO, 2002): condução
global, condução local, suporte à orientação local, suporte à orientação global e visões
personalizadas. As técnicas de adaptatividade no suporte à navegação, segundo
(BRUSILOVSKY, 1996), são cinco: percurso orientado, ou guia direto (direct guidance);
sorteio (sorting); ocultação (hiding); anotação (annotation); e adaptação de mapa (map
adaptation).
Na presente seção, serão explorados, inicialmente, os métodos de adaptação ao suporte
à navegação e, posteriormente, as técnicas.
Navegação Adaptativa
Adaptação de conteúdo Adaptação de Interface
Técnicas para prover adaptabilidade em SHA
Apresentação Adaptativa
subdivisão Orientação Direta Classificação dos Links Ocultação dos Links Remoção dos Links Desabilitação dos Links Anotação Mapas Adaptativos
Texto Condicional Stretc.text Fragmento Variante Página Variante Baseada em Frames
Fragmento Variante Página Variante Baseada em Frames Styleguiding
32
2.4.2 Métodos para Adaptatividade no Suporte a Navegação
Em geral, esses métodos são implementados por meio da adaptação da forma de
apresentar os links aos objetivos, conhecimento e outras características do usuário. A
adaptatividade no suporte à navegação pode ser aplicada tanto em links contextuais como não-
contextuais. Suporte de navegação adicional, como mapas, tabelas de conteúdos, índices e
listas de histórico navegacionais, podem ser aproveitados para as técnicas de navegação
(GASPARINI, 2003).
Como citado anteriormente, os métodos de suporte à navegação podem ser resumidos
em:
1. Condução Global;
2. Condução Local;
3. Suporte à Orientação Local (Conhecimento);
4. Suporte à Orientação Local (Objetivos);
5. Suporte à Orientação Global.
2.4.3 Condução Global
O objetivo da condução global é auxiliar o usuário a encontrar o menor caminho para a
informação que ele está procurando ou quer aprender. Ela ocorre quando os usuários possuem
algum objetivo global de informação, que se encontra em um ou mais nodos, que estão em um
determinado lugar do hiperespaço e são “conduzidas” pelo sistema nesta direção.
A forma mais clara de oferecer condução global é, para cada passo da navegação,
sugerir ao usuário os links mais apropriados a atingir a partir da página corrente. Este método
é empregado no sistema WebWatcher (FREITAG, 19995), (BRUSILOVSKY, 1996), que
pode ser visualizado na figura 3. Outra forma que apóia a condução global é a classificação
dos links que serão sugeridos ao usuário em sua ordem de relevância (observando o modelo
do usuário). Os sistemas Adaptive HyperMan e HYPERFLEX (BRUSILOVSKY, 1996)
implementam este método.
33
Figura 3. Exemplo de aplicação do método Condução Global. Fonte: Freitag (1995).
2.4.4 Condução Local
O objetivo do método de condução local é ajudar o usuário em seu próximo passo de
navegação, isto é, encontrar o(s) melhor(es) link(s) a seguir a partir da página corrente
(KOCH, 2002). A condução local sugere os melhores links de acordo com as preferências dos
usuários, seus conhecimentos e seu background, ou seja, tudo que seja relevante para a
aplicação. Uma forma de obter a condução local é classificar os links de acordo com as
preferências do usuário (como nos sistemas Adaptive HyperMan e HYPERFLEX
(BRUSILOVSKY, 1996)), e/ou de acordo com seu background (como o sistema Adaptive
HyperMan).
De acordo com Flores (2004), o InterBook apresenta a utilização do método de
Condução Local, pois sugere ao estudante a página seguinte do material que deve ser
acessada. A figura 4 mostra uma das telas do InterBook.
Figura 4. InterBook exemplificando condução local. Fonte: Flores (2004).
34
(a) (b)
2.4.5 Suporte à Orientação Local (Local orientation)
O objetivo deste método é auxiliar o usuário a entender o seu posicionamento na rede
do hipertexto local, ou seja, a sua posição referente ao domínio do sistema. Portanto, presta-se
a apoiar o usuário para que ele entenda as diferentes possibilidades de navegação de uma
determinada posição significante e ajudá-lo a seguir o link apropriado.
Os SHA existentes implementam esse método de duas maneiras distintas: provendo
informação adicional sobre as páginas disponíveis de uma página corrente (utilizando a
técnica de anotação) e limitando o número de oportunidades navegacionais para diminuir a
sobrecarga cognitiva, deixando o usuário livre para analisar os links mais relevantes
(utilizando a técnica de ocultação, que esconde para o usuário toda a informação que não é
relevante para seus objetivos em um dado momento) (PALAZZO, 2002), (GASPARINI,
2003).
Um exemplo prático pode ser visualizado em sites que oferecem notícias de todo o
mundo nas mais variadas categorias possíveis, como mostra a figura 5. Em um sistema com
orientação local, se o usuário possui preferências por notícias de conteúdo científico, então,
serão apresentados links de notícias de ciências (figura 5 – a) e não de política ou esporte
(figura 5 – b).
Figura 5. Exemplo de aplicação de Suporte à Orientação Local.
Da mesma maneira que foi empregado no exemplo ilustrado na figura 5, o Suporte à
Orientação Local pode ser utilizado em sistemas educacionais. Nos sistemas ISIS-Tutor,
HyperTutor e Hypadapter, os links para páginas que o usuário ainda não está preparado para
35
aprender são ocultados, tendo como foco o aspecto relativo ao conhecimento do usuário
(geralmente, isso significa que a página corrente possui páginas que são pré-requisitos para
ela e que ainda não foram aprendidas pelo usuário). Da mesma forma, são também ocultados
links que pertencem a outros objetivos educacionais e estão fora dos objetivos correntes, neste
caso tendo como foco o aspecto relativo aos objetivos do usuário (BRUSILOVSKY, 1996).
2.4.6 Suporte à Orientação Global (Global orientation)
O método de Orientação Global tem como objetivo prover ao usuário o entendimento
sobre toda a estrutura do hiperespaço, ou seja, do domínio de navegação do sistema. Nos
sistemas não-adaptativos, isto é obtido por marcas visuais e mapas globais, que auxiliam o
usuário a se localizar em relação ao contexto global.
Nos SHA, o suporte à orientação global pode ser implementado por meio das
tecnologias de ocultação e anotação de links. A anotação funciona como uma marca, pois os
usuários podem perceber mais facilmente as páginas que foram estudadas (ou lidas) e, assim,
reconhecer onde está no hiperespaço. A ocultação reduz o número de links visíveis no
hiperespaço e pode simplificar o aprendizado e auxiliar na orientação.
Exemplos de sistemas educacionais clássicos que utilizam o processo de ocultar
conceitos que ainda não estão prontos para serem aprendidos pelo usuário são ISIS-Tutor,
HyperTutor e Hypadapter. Outra forma de suporte à orientação global é aumentar
gradualmente o número de links visíveis, na medida em que vai crescendo a experiência do
usuário no hiperespaço considerado. Isto ocorre nos sistemas HyperTutor e Hynecosum
(BRUSILOVSKY, 1996).
Atualmente, a implementação de tal método pode ser visualizada nas pesquisas de
(SOSNOVSKY, 2006). O método da orientação global utiliza a tecnologia de anotação no
QuizGuide: Adaptive Annotation for SelfAssessment Quizes, uma ferramenta para criação de
avaliações que, além de realizar a avaliação, informa ao aprendiz sobre seu grau de
conhecimento no domínio, progresso e delimita as suas metas correntes de aprendizado por
meio de anotação adaptativa.
O link de cada tópico é anotado com um ícone indicando um alvo com ou sem setas. O
número de setas (de zero a três setas) reflete o grau de entendimento do aprendiz sobre esse
determinado tópico: nenhuma seta representa um grau de conhecimento baixo, três setas
representam o máximo nível de conhecimento. Isto pode ser visualizado na figura 6.
36
Figura 6. Exemplo de aplicação de Suporte à Orientação Global. Fonte: Sosnovsky (2006).
A seta vermelha apresentada na figura 6 mostra um exemplo de anotação utilizado no
QuizGuide. No exemplo destacado o usuário, possui uma seta no alvo; portanto, seu nível de
conhecimento é um. Pode ser observado que os demais itens presentes neste mesmo menu
possuem variações da técnica de anotação proposta, com alvos contendo duas, uma ou
nenhuma seta.
A presente seção discutiu os métodos para Adaptatividade no Suporte à Navegação.
Foram apresentados os métodos de Condução Global, Condução Local, Suportes à Orientação
Local (Conhecimento), à Orientação Local (Objetivos) e à Orientação Global. A próxima
seção expõe as técnicas relacionadas com a adaptatividade no Suporte à Navegação. Algumas
delas já foram citadas para ilustrar os métodos indicados, porém serão mais bem exploradas
na seção seguinte.
37
2.4.7 Técnicas para Adaptatividade no Suporte à Navegação
As técnicas para adaptatividade no suporte à navegação ou técnicas para a navegação
adaptativa manipulam âncoras e links com o propósito de adaptar a navegação dinamicamente
sobre as características dos utilizadores encontradas no modelo do usuário, isto é, as técnicas
são utilizadas para implementar os métodos relacionados anteriormente.
O suporte à navegação adaptativa oferece algumas técnicas que podem ser
classificadas de acordo com o modo como elas adaptam a apresentação dos links. Elas podem
ser: orientação direta, classificação de links, ocultação de links, remoção de links,
desabilitação de links, anotação e mapas adaptativos.
2.4.8 Orientação Direta (Direct Guidance)
A técnica da orientação direta, ou percurso orientado (direct guidance), é uma das
mais simples no que tange ao suporte à navegação adaptativa. Pode ser aplicada em qualquer
tipo de sistema, auxiliando na decisão de qual o melhor link a ser visitado pelo usuário. Esta
decisão é tomada de acordo com as metas e alguns outros parâmetros, que consistem em
identificações e preferências relativas ao usuário. Um problema encontrado com esta técnica é
a falta de suporte para os usuários que não utilizarem suas sugestões de navegação. É uma
técnica útil; porém, deve ser empregada com outras tecnologias de suporte à navegação para
minimizar esse problema (BRUSILOVSKY, 1999).
Na prática, para prover esta técnica, o sistema pode salientar o link indicado como o
melhor a um determinado usuário. Outra opção é a apresentação de um link dinâmico
adicional, geralmente denominado next ou continue (ou representado por uma flecha ) que é
conectado à melhor página selecionada, como no sistema ISIS-Tutor (WU, 1998)
(PALAZZO, 2002) e no AdaptWeb (WARPECHOWSKI, 2005). A figura 7 mostra o uso da
técnica de orientação direta no sistema AdaptWeb. A flecha indica a utilização da técnica de
orientação direta, que mostra a ‘melhor’ próxima página para o aluno.
Figura 7. Exemplo de aplicação da técnica Orientação Direta. Fonte: Gasparini (2003).
38
Classificação de Links (Adaptive ordering – Sorting)
A idéia da adaptive ordering, ou sorting, é ordenar todos os links de uma página em
particular, de acordo com o modelo do usuário, e alguns critérios, como relevância do link.
Por exemplo, quanto mais próximo do topo, mais relevante é o link. Esta técnica é utilizada
extensivamente para índices e páginas de conteúdo, e nunca pode ser utilizada em links
contextuais e mapas (BRUSILOVSKY, 1996).
Outro problema com a técnica adaptive ordering é que ela mantém a ordem dos links
instável, pois podem existir modificações na ordem dos links a cada vez que o usuário acessa
uma página. Ao mesmo tempo, algumas pesquisas (SOSNOVSKY, 2006)
(WARPECHOWSKI, 2005) mostram que a ordem estável do menu de opções é importante
para usuários novatos. Entretanto, esta tecnologia é útil para aplicações de recuperação de
informação.
Segundo Brusilovsky (1996a), esta técnica pode reduzir significativamente o tempo de
navegação em aplicações de Recuperação de Informações, em que cada página pode possuir
muitos links não contextualizados, ou seja, links que são independentes do conteúdo
instrucional da página, que aparecem como uma lista, um conjunto de botões ou um menu
pop-up.
O sistema Adaptive Hyperman implementa a técnica de ordenação de acordo com
algumas características do modelo de usuário, tais como: sua profissão e experiências de
trabalho, seus objetivos, nó corrente de interesse, etc., e retorna ao usuário, como saída, um
conjunto de documentos relevantes para seu perfil. Para calcular a relevância dos documentos,
o sistema utiliza uma rede de relevância que armazena as preferências individuais dos
usuários. O usuário, a fim de prover feedback, avalia o conjunto de nós selecionados pelo
sistema como “relevantes” ou “não relevantes”, pelo seu ponto de vista. Esse feedback é
utilizado pelo sistema para atualizar a rede individual de relevância e, como conseqüência, o
sistema aprende gradualmente as preferências do usuário (BRUSILOVSKY, 1996). A figura 8
mostra o sistema na fase em que o usuário avalia os links por ele apresentados.
39
Figura 8. Exemplo de aplicação da técnica Orientação Direta. Fonte: Gasparini (2003).
Ocultação (Hiding)
Esta é uma das técnicas mais freqüentemente utilizada para suporte à navegação
adaptativa. Sua idéia está em restringir o espaço de navegação escondendo links para páginas
não relevantes. Uma página pode ser considerada irrelevante por várias razões, por exemplo,
se esta não está relatada na meta atual do usuário, ou se esta apresenta materiais que o usuário
ainda não está preparado para entender.
Superficialmente, hiding é considerada uma das mais simples técnicas a ser
implementada e a mais óbvia. Ela protege o usuário da complexidade do hiperespaço e reduz
sua sobrecarga cognitiva. Esta técnica tem uma larga aplicabilidade: pode ser utilizada com
todos os tipos de links não contextualizados, índices ou mapas, através da omissão de botões
ou itens do menu; também pode ser utilizada com links contextualizados, que estão
localizados no texto da página, através da transferência de links evidentes para texto normal.
É uma técnica mais transparente para o usuário, que parece ser mais estável do que a
ordenação adaptativa, pois os links são adicionados, de maneira incremental, porém não são
removidos ou reordenados (BRUSILOVSKY, 1996).
A figura 5 do presente trabalho, citada na seção que explicita o “Suporte à
Orientação Local”, mostra um exemplo da técnica hiding, ou ocultação de links.
Anotação (Adaptive annotation)
Esta técnica tem como idéia o aumento de links, com alguma forma de comentários ou
sugestões que podem dizer ao usuário mais sobre o estado atual dos nós. Esta anotação pode
40
prover informação na forma textual ou na forma visual com diferentes ícones, cores, ou
tamanho de fontes. Link Annotation, ou Adaptive annotation, é uma técnica efetiva do suporte
à navegação em hipermídia (BRUSILOVSKY, 1996).
Geralmente, annotation é considerada uma técnica mais poderosa do que hiding, pois
a segunda pode distinguir apenas entre dois estados dos nós (relevante ou irrelevante),
enquanto a primeira pode possuir vários níveis de relevância. Annotation não reduz a
sobrecarga cognitiva tanto quanto hiding, porém a tecnologia hidding pode ser facilmente
simulada pela tecnologia de anotação, utilizando o recurso de esmaecer os links não
relevantes. O uso deste processo pode diminuir a sobrecarga cognitiva em alguns domínios;
no entanto, os links esmaecidos continuam visíveis, apesar de estarem protegidos e não
permitirem ao usuário a construção de mapas mentais (BRUSILOVSKY, 1996).
Neste trabalho, a figura 6 é um exemplo de aplicação da técnica de Anotação, que
apresenta o método de “Suporte à Orientação Global”, já que é uma técnica proveniente do
método citado.
Mapas Adaptativos (Map adaptation)
Esta técnica permite a adaptatividade dos mapas de navegação modificando sua
estrutura, restringindo o número de links e, conseqüentemente, o número de possibilidades de
navegação (HENZE, 2000). As outras tecnologias citadas anteriormente também podem ser
utilizadas para adaptar mapas de hipermídias, porém apenas esta altera a forma ou a estrutura
do mapa (BRUSILOVSKY, 1996).
Normalmente, esta técnica consiste na combinação de outras técnicas, com a diferença
de ser aplicada para uma visualização gráfica da estrutura navegacional. A figura 9 é a
representação gráfica do mapa adaptativo do trabalho de Ahn (2006). Este mapa possui três
dimensões de assuntos relacionados ao conteúdo instrucional. Cada célula agrupa um
conjunto de recursos educacionais (que são os assuntos a serem ensinados), que podem ser
representados por páginas Web. Recursos localizados na mesma célula são considerados
muito similares. Recursos localizados em células vizinhas têm sua similaridade proporcional à
distância entre as células (AHN, 2006).
O grau de dificuldade de cada célula é mostrado na figura que representa o usuário. Os
tons de azul mais claro definem um grau de dificuldade menor: quanto mais escuro o tom da
cor, maior o grau de dificuldade. A marcação vermelha precedida por um L denota a ordem
41
em que o conceito foi acessado. A marcação L8 representa que este foi o oitavo conceito
acessado (AHN, 2006).
Figura 9. Exemplo de Mapa Adaptativo. Fonte: Ahn (2006).
Estas são algumas das mais clássicas técnicas para suporte à navegação adaptativa.
Existem outras técnicas para esta finalidade; porém, as cinco citadas nesta seção são a base
para o desenvolvimento de novas. Percurso Orientado, ou Direct guidance, sorting, hiding,
annotation e map adaptation podem ser utilizadas de forma individual ou em conjunto, pois
uma técnica não anula a outra.
2.4.9 Adaptatividade de Apresentação
A adaptatividade de apresentação, ou apresentação adaptativa, está intimamente ligada
com a organização de conteúdo. A idéia das várias técnicas de apresentação adaptativas é
permitir que o conteúdo de uma determinada página seja adaptado para um usuário em
particular, levando em consideração o seu conhecimento atual, suas metas de aprendizagem e
outras características relevantes. Por exemplo: um usuário mais qualificado pode ter acesso a
informações mais detalhadas e avançadas sobre um determinado conceito do que um usuário
de nível iniciante, que deve receber informações básicas para compreender o assunto em
questão (BRUSILOVSKY, 1996a; BRUSILOVSKY, 1996), (STAFF, 1997).
42
2.4.10 Métodos e Técnicas para Adaptatividade no Suporte a Apresentação
Os métodos de adaptação de apresentação, ou adaptatividade no suporte à
apresentação, primam pela organização do conteúdo de forma a auxiliar no processo de
adaptabilidade de apresentação. A idéia principal da apresentação adaptativa é adequar o
conteúdo de um nodo acessado por um usuário a conhecimento, objetivos e outras
características desse usuário. É possível encontrar, na literatura, a descrição de técnicas e
sistemas orientados à apresentação adaptativa de textos (STAFF, 1997) e de técnicas e
sistemas orientados à apresentação adaptativa de objetos multimídia (BRUSILOVSKY,
1996). A seguir, serão apresentados alguns métodos de adaptatividade de apresentação
considerados clássicos, que se baseiam nas pesquisas realizadas por (BRUSILOVSKY, 1996).
Explicação Adicional
A Explicação Adicional (EA) é muito popular entre os métodos de adaptação de
conteúdos, pois seu objetivo é ocultar do usuário alguma parte da informação sobre algum
conceito que não seja relevante para o nível de conhecimento ou o interesse do usuário. Por
exemplo: detalhes muito preliminares e descritivos de determinado domínio podem ser
suprimidos e não serem apresentados a usuários com nível de conhecimento insuficiente para
entendê-los. Por outro lado, usuários iniciantes terão a possibilidade de solicitar EA, as quais
podem permanecer ocultas para usuários veteranos, que não necessitam mais delas. Em
termos mais gerais, certa classe de usuários pode requerer informações adicionais,
especialmente preparadas para eles, que não são mostradas às outras classes (PALAZZO,
2002), (BUGAY, 2006).
Explicação Requerida (ER) e Explicação Comparativa (EC)
Os métodos Explicação Requerida (ER) e Explicação Comparativa (EC) podem ser
utilizados para alterar a informação apresentada ao usuário, dependendo do seu nível de
conhecimento sobre os conceitos relacionados. O primeiro método induz uma ordenação dos
conteúdos ao usuário, em que a informação apresentada em primeiro lugar é pré-requisito
para a seguinte (BRUSILOVSKY, 1996), (PALAZZO, 2002), (GASPARINI, 2002), (DE
43
BRA, 2006). Seguindo esta idéia, ao apresentar a explicação de um conceito, o sistema insere
a explicação de todos os conceitos requeridos para o seu entendimento. Este método é
empregado no sistema C-book (KAUFFMAN, 1993).
O C-Book é um sistema de apresentação adaptativa. Utiliza técnicas diferentes por
diversas razões, adaptáveis da apresentação do uso. A informação que não é relevante ao nível
de conhecimento do usuário é oculta. Fornece explanações do pré-requisito que não são
conhecidas pelo usuário antes de apresentar um novo conceito. É um sistema que usa técnicas
adaptáveis da navegação, ajudando a encontrar a maneira mais curta para os objetivos da
informação (orientação global).
O método da Explicação Comparativa (EC) baseia-se na similaridade existente entre
dois conceitos. Quando um conceito similar ao que está sendo apresentado é conhecido, o
usuário recebe uma explicação comparativa, realçando as semelhanças e diferenças entre os
dois conceitos. Este método costuma ser particularmente eficiente no domínio das linguagens
de programação (BRUSILOVSKY, 1998).
Um exemplo de Explicação Requerida (ER) pode ser visualizado na figura 10, que
mostra uma hipermídia adaptativa para ensino de matemática desenvolvido na Universidade
Estadual do Norte do Paraná (BERTOLAZI, 2006). A figura 10 (a) possui conteúdo que é
pré-requisito para as figuras 10 (b) e 10 (c).
Figura 10. Exemplo Explicação Requerida. Fonte: Bertolazi (2006).
(a)
(c) (b)
44
Nota-se que, neste caso, ocorre uma ordenação dos conteúdos ao usuário, em que a
informação apresentada em primeiro lugar é pré-requisito para a seguinte. Segundo a idéia, ao
apresentar a explicação de um conceito, o sistema insere a explanação de todos os outros
conceitos requeridos para o seu entendimento. A Explicação Requerida (ER) é um tipo de
hipertexto eficaz no aprendizado do aluno por levar ordenação dos conteúdos, introduzindo
pré-requisitos a determinadas informações com uma seqüência lógica para os acessos. O
usuário terá todos os conceitos necessários para o entendimento de um determinado conteúdo.
Nas pesquisas realizadas em De Bra (2006), este também é um método adotado no
desenvolvimento de uma ferramenta de autoria em hipermídia adaptativa (DE BRA, 2006).
Sua aplicação é similar ao exemplo da figura 10.
Explicação Variante (EV)
A Explicação Variante (EV) considera que mostrar ou esconder determinadas partes
da informação pode ser insuficiente para promover a adaptação, uma vez que usuários
diferentes possuem grande chance de necessitar de informações essencialmente diferentes.
Por meio da EV, o sistema armazena diversas variantes para alguns dos conteúdos de uma
página e o usuário obtém a apresentação que corresponde ao seu modelo (PALAZZO, 2002).
Uma aplicação de EV pode ser visualizada na pesquisa de Jones (2006), que a utiliza
para prover explanações variantes, dependendo do modelo de usuário. As explicações
variantes são criadas seguindo critérios variados, tais como: nível de dificuldade do conceito,
links relacionados com o conceito, tamanho da apresentação e até o tipo de mídia.
Classificação de Fragmentos (CF)
Classificação de Fragmentos (CF) considera o nível de conhecimento e a experiência
do usuário para ordenar fragmentos de informação sobre o conceito de modo que a
informação mais relevante para o usuário (de acordo com o seu modelo) é apresentada
primeiro (PALAZZO, 2002), (MOSTAFA, 2006).
45
Texto Condicional (TC)
O Texto Condicional (TC) possibilita a divisão da informação em diversas porções de
texto. Cada porção é associada a uma ou mais condições relacionadas ao nível de
conhecimento do usuário. Ao apresentar a informação, o sistema mostra apenas as porções de
texto que tiveram suas condições satisfeitas. Cada um dos fragmentos ou porções de texto
deve ser associado a uma condição. Para apresentar um determinado conceito, o sistema
apenas utiliza o fragmento que se molda à condição estabelecida como verdadeira.
Geralmente, a implementação de TC requer alguma programação; entretanto, é também muito
flexível e permite implementar todos os métodos de adaptação relacionados acima, à exceção
da Classificação de Fragmentos (PALAZZO, 2002), (MOSTAFA, 2006).
Stretc.htext
Técnica que também permite apresentar ou ocultar condicionalmente porções de texto,
de acordo com o nível de conhecimento do usuário. Stretc.htext foi sugerida no sistema
MetaDoc (BOYLE; ENCARNACIÓN, 1994) e, posteriormente, desenvolvida em KN-AHS
(KOBSA, 1995). Baseia-se em um tipo especial de hipertexto, em que os links podem ser
expandidos para seus conteúdos ou concentrados novamente em uma palavra-chave. O cerne
da técnica é apresentar ao usuário uma página onde todas as informações relevantes estejam
expandidas e todas as informações irrelevantes sejam representadas por apenas uma palavra
ou frase, de acordo com o modelo de seu particular conhecimento (MOSTAFA, 2006).
Uma técnica escolhida para adaptar o conteúdo matemático do projeto desenvolvido
na Universidade Estadual do Norte do Paraná (BERTOLAZI, 2006) foi Stretc.htext (ST), já
que este tipo especial de hipertexto possui uma dinâmica de expansão e concentração em uma
palavra-chave. A implementação deste método em um sistema hipermídia é fundamental, e
tem se mostrado bastante eficiente, pois auxiliará a navegação do usuário para compreensão
de algum conceito já estudado ou que ainda não foi assimilado. Essa metodologia facilitará,
por exemplo, a leitura de um texto informativo ou explicativo, em que o conteúdo é
organizado como um conjunto de fragmentos visíveis e os SHA determinam quais fragmentos
são expandidos e quais são contraídos para a apresentação inicial. O usuário pode, então,
decidir qual fragmento deseja expandir. A figura 11 mostra um exemplo desta técnica. Ao
46
clicar no texto que está salientado na figura 11 (a), deve ser aberto o texto apresentado na
figura 11 (b), caracterizando, assim, o efeito de Stretc.htext.
Figura 11. Exemplo Stretc.htext. Fonte: Bertolazi (2006).
Fragmento Variante (FV) e Página Variante (PV)
O método EV pode ser implementado pelas técnicas de Fragmento Variante (FV) ou
Página Variante (PV). A PV é considerada a mais simples das técnicas de apresentação
adaptativa, pois consiste em manter duas ou mais páginas alternativas para cada conceito,
cada uma delas adaptada a determinada classe de usuário. Já a técnica FV permite a
implementação do método EV em uma granulação mais fina do que a PV, uma vez que seu
foco são fragmentos do texto e não páginas inteiras (PALAZZO, 2002), (KUIPER, 2006). Um
exemplo de emprego de PV pode ser visualizado na figura 12, que mostra a utilização de PV
em formulários eletrônicos (e-form) adaptativos (KUIPER, 2006).
O exemplo mostra duas páginas variantes do mesmo e-form. O acesso a cada uma
delas depende do perfil do usuário. No caso da figura 12 (a), o formulário é indicado para
usuários que possuem dependentes; na figura 12 (b), a página variante é acessada por usuários
que não possuem dependentes.
(a)
(b)
47
Figura 12. Utilização de Página Variante em e-form Fonte: Kuiper (2006).
Frames
Técnica bastante eficiente que, em toda a informação sobre um determinado conceito,
é representada sob a forma de um frame. Os slots do frame podem conter diversas EV sobre o
conceito, links para outros frames, exemplos, etc. Regras especiais de apresentação são
empregadas para decidir quais os slots de um determinado frame devem ser apresentados a
certo usuário e em que ordem específica isto deve ocorrer; também são utilizadas no trabalho
de Kuiper (2006).
2.4.11 Características adicionais que podem ser utilizadas para prover adaptação
Além das adaptatividades de suporte à navegação e de apresentação, existem outros
aspectos que podem ser adaptados. Estes consideram quais características o sistema pode
adaptar, podendo haver conteúdos distintos para usuários diferentes ou conteúdos distintos
para um mesmo usuário em diferentes momentos. Segundo (BRUSILOVSKY, 1996), foram
identificadas cinco características que são utilizadas por sistemas hipermídia adaptativos
existentes para tratar o usuário como uma pessoa individual. São elas: metas, conhecimento,
background, hiperespaço, experiência e preferências.
(a) (b)
48
Conhecimento
Uma das mais importantes características do usuário para os sistemas hipermídia
adaptativos é o conhecimento deste sobre o assunto representado. O conhecimento é uma
característica variável e particular ao usuário, pois os sistemas que a utilizam devem
reconhecer as modificações no estado do conhecimento do usuário e devem, de acordo com
estas informações, atualizar o modelo do usuário.
O conhecimento do usuário sobre determinado assunto é freqüentemente representado
por um modelo denominado modelo de overlay. O modelo de overlay é baseado no modelo
estrutural do domínio. Geralmente, este modelo é representado através de uma rede de
conceitos do domínio. Os conceitos são relacionados entre si e formam uma rede semântica
que representa a estrutura deste domínio. Estes conceitos podem receber diferentes nomes em
diferentes sistemas, tais como: tópicos, elementos do conhecimento e objetos, porém todos
são considerados como pedaços elementares do domínio total (BRUSILOVSKY, 1996).
Grande parte dos sistemas utiliza uma organização avançada do domínio do
conhecimento, com uma série de conceitos que representam diferentes tipos de elementos do
conhecimento ou objetos, e vários tipos de links que representam diferentes relacionamentos
entre estes conceitos.
A idéia deste modelo de overlay é representar o conhecimento dos usuários de maneira
individual. Para cada conceito do modelo de domínio, um modelo de overlay armazena alguns
valores com estimativa sobre o nível de conhecimento do usuário sobre este conceito. Este
valor pode ser binário (sabe – não sabe), qualitativo (bom – médio – pouco), ou quantitativo,
como uma probabilidade do usuário saber o conceito.
Um modelo de overlay de um usuário pode representar um conjunto de pares
“conceito-valor”, sendo um destes pares para cada conceito do domínio. Modelos de overlay
são poderosos e flexíveis. Podem, de maneira independente, representar o conhecimento do
usuário em diferentes conceitos. Foram originariamente desenvolvidos na área de Sistemas
Tutores Inteligentes (STI) e Modelagem do Estudante (BRUSILOVSKY, 1996). Em muitos
STI, o modelo do estudante é apenas um modelo de overlay do conhecimento do aluno. Como
resultado, na área de interfaces adaptativas, um modelo de overlay do conhecimento do
aprendiz é em alguns casos chamado de modelo do aluno.
Algumas vezes, um simples estereótipo do modelo do usuário é utilizado para
representar o seu conhecimento. Podem existir estereótipos para classificar o conhecimento
49
do aluno com relação a um determinado assunto, tais como: iniciante, intermediário e
avançado. Alguns modelos podem necessitar de mais classes com estereótipos, por exemplo,
para verificar o nível do usuário com relação ao conhecimento de inglês e o conhecimento de
português. O usuário pode ser iniciante com relação ao requisito inglês, porém pode ser
considerado avançado com relação ao requisito português.
Metas do usuário
Meta do usuário ou tarefa do usuário é uma característica relacionada com seu
contexto de trabalho, como uma entidade individual. Dependendo do tipo do sistema, pode ser
uma meta de trabalho, uma descoberta, uma resolução de problema ou uma meta de
aprendizado (para sistemas de ensino como o AdaptWeb (AMARAL, 2002)). Em todos estes
casos, a meta é a resposta para a seguinte questão: “Por qual razão o usuário utiliza o sistema
hipermídia e o que ele realmente deseja alcançar?”. A resposta desta pergunta traz
explicitamente qual o objetivo do usuário com relação à utilização da hipermídia
(BRUSILOVSKY, 1996).
Esta é uma das características que mais se altera, pois ela pode modificar de seção para
seção e, freqüentemente, pode modificar várias vezes em uma mesma seção de trabalho. Em
alguns sistemas, é interessante distinguir metas locais ou de baixo nível, as quais podem ser
modificadas com mais freqüência, e as metas ou tarefas de alto nível, que são mais constantes.
Por exemplo: em sistemas educacionais, a meta de aprendizagem é considerada uma meta de
alto nível, por ser estável, enquanto que a meta de resolução de problemas é tratada como de
baixo nível, pois é alterada de um problema educacional para outro em várias ocasiões dentro
de uma mesma seção (KOBSA, 2001).
Background e Experiência
Background e experiência são duas características que parecem ser similares ao
conhecimento do usuário; porém, funcionalmente elas são diferentes.
Toda a informação que o usuário precisa e que foi adquirida fora do sistema
hipermídia é considerada background do usuário. Isto inclui a profissão do usuário,
experiências adquiridas no trabalho ou em áreas relacionadas, assim como o ponto de vista do
usuário e sua perspectiva sobre um determinado assunto. O background, em alguns sistemas,
50
é incluído no modelo do usuário, e utilizado na adaptatividade de apresentação ou de
navegação (BRUSILOVSKY, 1996).
A experiência está relacionada com a familiaridade do usuário com a estrutura do
hiperespaço e quão facilmente ele pode navegar no sistema. Não é o mesmo que
conhecimento sobre o domínio. Algumas vezes, o usuário que já é considerado familiar com o
domínio, entretanto não está familiarizado com a estrutura do hiperespaço. O contrário
também é válido, o usuário pode estar familiarizado com a estrutura do hiperespaço, porém
pode não ter um conhecimento profundo do assunto (BRUSILOVSKY, 1996).
Preferências
Esta característica está relacionada com as preferências que o usuário possui no
sistema. Por diferentes, razões o usuário pode preferir um link a outro, ou uma parte da página
a outra. As preferências podem ser deduzidas pelo sistema. O usuário pode informar ao
sistema suas preferências de maneira direta, isto é, através de questionários, ou então de
maneira indireta, através de ações que se repetem durante a execução de determinadas tarefas
no sistema (BRUSILOVSKY, 1996).
O presente capítulo abordou as definições sobre sistemas hipermídia adaptativos,
mostrou os elementos que podem ser adaptados nessa categoria de sistema, dividindo-os em
dois grandes grupos: adaptatividade no suporte à navegação e adaptatividade no suporte à
apresentação. Para cada um dos grupos, foram detalhas as técnicas e os métodos existentes e,
então, foram apresentados exemplos em softwares das técnicas e métodos explanados. Esses
conceitos são relevantes para o entendimento do processo de adaptação e, portanto, auxiliam
no entendimento das características dos modelos de referência, apresentados no próximo
capítulo.
51
3 Modelo de Referência para SHA
Sistemas hipermídia adaptativos provêm acesso personalizado de maneira automática
às informações hipermídia. A maioria dos sistemas hipermídia adaptativos possui
adaptatividade no que tange à navegação e à apresentação do conteúdo. A estruturação dos
links ou sua apresentação pode ser diferente para cada grupo de usuário. O conteúdo das
páginas e sua apresentação também podem ser diferenciados. Os sistemas hipermídia
adaptativos que possuem seu conteúdo disponibilizado na Web tornam-se mais complexos,
pelo dinamismo inerente à Web, que permite uma quantidade maior de usuários com perfis
distintos acessando a mesma informação (WU, 2001).
No desenvolvimento deste tipo de aplicação, é interessante identificar as abstrações
comuns existentes nos sistemas hipermídia adaptativos e modularizar essas abstrações. Na
literatura, esse tipo de definição é também conhecido como modelo de referência. Existem
vários modelos de referência, entre eles o modelo Dexter (HALASZ, 1990), que é o precursor
de alguns importantes modelos, tais como: AHAM (DE BRA 1999) e modelo Munich
(KOCH, 2002). De modo geral, um modelo de referência provê um framework para expressar
a funcionalidade de qualquer sistema hipermídia adaptativo.
Segundo Koch (2002), o objetivo de um modelo de referência é encontrar abstrações
comuns em um mesmo sistema hipermídia adaptativo (SHA) para prover sua base de
desenvolvimento. Além disso, um modelo de referência deve abranger todas as ferramentas
que são utilizadas nos SHA.
Como dito anteriormente, um sistema hipermídia adaptativo é um conjunto de nodos
que proporciona adaptatividade, uma adaptação dinâmica e personalizada, a um determinado
usuário. Essa adaptatividade pode ser visualizada em três escopos: apresentação, conceito e
navegação (KOCH, 2002). Essas aplicações geralmente incluem uma representação explícita
das propriedades do usuário e de seu relacionamento com o sistema hipermídia adaptativo.
Para formalizar estas representações, são utilizados modelos de referência. A presente seção
tem por objetivo traçar um panorama da evolução dos modelos de referência. Serão abordados
os modelos Dexter (HALASZ, 1990), AHAM (DE BRA, 1999), e Munich (KOCH, 2002).
3.1 Modelo Dexter
O primeiro modelo de referência conceituado foi o modelo Dexter, desenvolvido tendo
como base sistemas de hipertexto (HALASZ, 1990). Este modelo descreve uma arquitetura
52
que não contempla a adaptatividade em sistemas hipermídia, porém serviu de base para os
modelos atuais.
O modelo Dexter divide o sistema em três camadas, a camada runtime ou camada de
execução, a camada storage ou armazenamento e a camada within-component ou camada
interna aos componentes. O esquema gráfico desta arquitetura pode ser visualizado na figura
13 (HALASZ, 1990), (DE BRA, 2006).
O foco principal do modelo está na camada de armazenamento que modela os nodos e
links da estrutura em rede que forma a hipermídia. Esta camada descreve uma base de dados
composta por uma hierarquia de componentes de dados que são ligadas por relacionamentos
denominados links. Os componentes correspondem aos nodos, contendo textos, gráficos,
imagens e animações.
Figura 13. Arquitetura do modelo Dexter. Fonte: Halasz (1990).
A camada de execução especifica as ferramentas para definir como o usuário irá
acessar, visualizar e manipular o sistema hipermídia. A terceira camada, ou a camada interna
aos componentes, que especifica os conteúdos e a estrutura dos componentes envolvidos na
rede do hipertexto, foi proposta no modelo Dexter, porém não foi desenvolvida (HALASZ,
1990).
Além desta arquitetura, o modelo Dexter foi o precursor do uso da orientação a objetos
nas metodologias voltadas à hipermídia. Após a definição do modelo Dexter, o uso da
orientação a objetos nesta área foi disseminado e ganhou importância. O modelo é inovador,
pois propõe uma arquitetura baseada em camadas independentes; além disto, oferece uma
visão de especificação do projeto de desenvolvimento de uma hipermídia, separando o
processo de armazenamento do conteúdo da apresentação.
Camada de Execução Apresentação
Interação com usuário
Camada de Armazenamento Conjunto de Nodos
e Links
Camada interna aos Componentes Conteúdo e Estrutura
dentro do nodo
53
3.2 O Modelo de Referência AHAM
Esta seção aborda o modelo de referência proposto por De Bra, Houben e Wu para
descrever Aplicações de Hipermídia Adaptativa. O referido modelo é denominado AHAM
(Adaptive Hypermedia Application Model) e sua descrição se baseia no modelo Dexter,
discutido anteriormente (DE BRA, 1998; DE BRA, 1999), (STASH, 2004), (DE BRA,
2006),(MADHOUR, 2006).
O modelo AHAM divide as aplicações de hipermídia adaptativa em quatro partes (DE
BRA, 1998):
• Modelo de domínio;
• Modelo de usuário;
• Modelo de ensino;
• Motor de adaptatividade.
O modelo de domínio descreve de que forma é estruturado o domínio da aplicação
hipermídia adaptativa. O modelo de usuário descreve o conhecimento que o usuário possui a
respeito dos conceitos abordados na aplicação. O modelo de ensino descreve as regras
pedagógicas que indicam em que situações é desejável ou não guiar o usuário através de
certas partes do domínio. Muitas regras surgem das relações estruturais entre conceitos e
domínio, mas o autor do sistema hipermídia adaptativo pode escrever regras adicionais (DE
BRA, 1999). Embora o módulo seja chamado de modelo de ensino, isto não significa que o
AHAM possa ser utilizado apenas para aplicações educacionais.
O motor de adaptatividade é o ambiente de software utilizado para construir e adaptar
conteúdo e links. O motor oferece uma biblioteca de funções (“construtor ou construtores”)
para construir páginas de informação a partir de fragmentos, baseado em elementos do
modelo de domínio, modelo de usuário e modelo de ensino.
No Motor de Adaptatividade, é utilizada uma linguagem simples para selecionar os
construtores desejados. Alguns motores podem oferecer uma forma de definir novos
construtores ou estender aqueles que já existem. O motor também atualiza o Modelo de
Usuário, mediante observações do comportamento de leitura do usuário e tomando nota de
como o conhecimento do usuário vai mudando.
54
O modelo AHAM é descrito segundo dez definições, apresentadas a seguir (DE BRA,
1998):
Definição 1: Conceito é uma representação abstrata de um item de informação do
domínio de aplicação.
Definição 2: O Sistema de Hipermídia Adaptativo associa um número de atributo a
cada conceito do modelo de domínio. Para cada usuário o sistema tem uma tabela, na qual,
para cada conceito, o valor do atributo daquele conceito é armazenado. A estrutura desta
tabela é denominada “esquema do modelo de usuário”. A tabela de um usuário específico é
denominada “instância do modelo do usuário”.
Definição 3: Uma relação de conceito é formada pela quádrupla <C1, C2, T, A>.
Defini-se C1 e C2 como conceitos, T é o tipo de relação e A é o valor do atributo
(correspondente ao tipo T). Um exemplo de instância da terceira definição pode ser
visualizado na figura 14.
Tipo: Pré-requisito Significa que C1 deveria ser estudado antes de C2. O atributo é um número real dentro de um intervalo que varia entre 0-1; este indica quanto conhecimento a respeito do conceito C1 o usuário deve ter, para que informações a respeito de C2 sejam disponibilizadas a ele. Outros exemplos de Tipo (T) são: Inibidor, Parte-de, Link.
Figura 14. Exemplo de aplicação da terceira definição do modelo AHAM.
Definição 4: Um fragmento é uma unidade de conteúdo atômico. É uma tripla <Id,
Val, CN>, em que se tem Identidade do fragmento sendo definido por Id, Val é o valor do
conteúdo e CN entende-se por conceito atômico associado ao fragmento.
O fragmento é uma unidade atômica no que tange à adaptação e deve possuir uma
estrutura interna significante para o Sistema Hipermídia. Como exemplo, tem-se um trecho de
fonte HTML, consistindo em vários parágrafos e, possivelmente, incluindo imagens ou outros
objetos.
Definição 5: Uma página é representada pela tripla <SF, C, CT>, na qual SF é o
conjunto de identificadores de fragmentos, C o conceito associado à página e CT representa o
construtor da página.
Como mencionado anteriormente, o construtor é uma função de software que faz parte
do motor de adaptatividade e tem por finalidade construir uma página a partir de seus
fragmentos. Cada sistema hipermídia adaptativo pode ser desenvolvido por meio de um
55
conjunto de construtores que deve ser suficiente para o processo de implementação. Pode ser
disponibilizada, ainda, uma linguagem de programação, que possibilite a criação de novos
construtores. O construtor pode utilizar regras do modelo de ensino, descrito na definição 8.
Essas regras representam o relacionamento explícito entre conceitos.
Um exemplo de construtor padrão é o construtor Seqüência, que coloca fragmentos
numa ordem fixa e inclui cada fragmento na página considerando as relações “pré-requisito” e
“inibidor”, para verificar se o usuário está apto para a referida informação.
Definição 6: O modelo de domínio é definido por uma tripla <SP, SC, SCR>, em que
SP é conjunto de páginas, SC o conjunto de conceitos e SCR o conjunto de relacionamentos
entre conceitos.
As páginas contêm fragmentos e os fragmentos estão associados com conceitos. O
modelo de domínio contém toda a informação sobre como o conteúdo é relacionado com os
conceitos. As relações entre conceitos indicam que conceitos atômicos compõem os conceitos
compostos e que pré-requisitos ou outras relações existem entre eles.
Definição 7: Uma regra pedagógica genérica é uma relação <CT, S> entre o tipo de
relacionamento CT e S, que indica o(s) valor(es) das relações entre esse Tipo.
A regra pedagógica específica consiste de uma indicação sobre um conjunto de
conceitos. Cada indicação designa um valor para algum atributo de um conceito, ou um
predicado sobre diversos conceitos. A sintaxe das indicações depende da linguagem suportada
pelo Sistema de Hipermídia Adaptativo.
Cada Sistema de Hipermídia Adaptativo (SHA) oferece alguns atributos pré-definidos
que, em conjunto, formam o denominado modelo de usuário. O SHA oferece, ainda, algumas
regras pedagógicas iniciais para esses atributos.
Definição 8: O modelo de ensino é formalizado por uma tripla <PGR, SGR, SSR>.
Nesta definição, PGR é o conjunto de regras pedagógicas genéricas, SGR é o conjunto de
regras pedagógicas definidas pelo autor e SSR define o conjunto de regras pedagógicas
específicas.
O modelo de ensino provê uma tradução entre relações, tipos de relações, conceitos e
os atributos e predicados definidos no sistema. Quando são utilizados apenas atributos e
predicados pré-definidos, o autor pode utilizar construtores oferecidos pelo motor de
adaptatividade (que estão previamente definidos). Para poder manipular atributos e predicados
definidos pelo autor, é necessário escrever novos construtores. O trabalho de autoria é
simplificado se, primeiro, são escritas as regras, que contribuem na determinação do valor de
56
um único atributo ou predicado, para, depois, utilizar o referido atributo ou predicado no
construtor.
Definição 9: Motor de Adaptatividade é o software que desempenha as funções a
seguir:
• Oferece construtores para páginas genéricas;
• Oferece uma linguagem de programação simples para descrever novos construtores;
• Implementa adaptações mediante a execução dos construtores das páginas;
• Atualiza o modelo de usuário cada vez que o usuário visita a página;
• Mantém um arquivo Log2 de páginas visitadas.
Definição 10: Um SHA é definido como a quadra <UM, DM, TM, AE>, em que UM
define o modelo de usuário, DM é o modelo de domínio, TM o modelo de ensino e, por fim,
AE representa o motor de Adaptatividade.
Dadas essas dez definições, é possível notar que o AHAM é um modelo de referência
para Sistemas de Hipermídia Adaptativa que descreve as figuras da aplicação no aspecto
conceitual. O modelo foi concebido com base no modelo Dexter. A arquitetura de AHAM
estende o modelo Dexter, dividindo a camada de armazenamento (storage layer) em três
partes: modelo de domínio, modelo de usuário e modelo de ensino.
3.3 Modelo de Referência Munich
Munich é um modelo de referência desenvolvido especificamente para SHA. Assim
como o AHAM, foi desenvolvido com base no modelo Dexter e possui duas contribuições: o
uso de orientação a objetos, para sua formalização, e a apresentação de uma representação
gráfica do modelo.
Este modelo possui as mesmas três camadas existentes no modelo Dexter, porém
salientando funcionalidades relacionadas aos conceitos de adaptatividade. A inovação do
modelo Munich é a inclusão de um modelo de usuário e um modelo de adaptação na camada
de armazenamento (storage). Isso proporciona uma aquisição dinâmica do comportamento do
usuário, bem como uma adaptatividade dinâmica com base em regras especificadas na
camada de execução (runtime). De acordo com Koch (2002), além do modelo Munich existe
apenas outro modelo para aplicações adaptativas, que é o AHAM, descrito na seção anterior
deste trabalho.
2 Arquivo que armazena os dados referents a entrada e a saída do usuário na utilização do sistema/ambiente.
57
O modelo Munich não se baseia em um semiformalismo utilizando tuplas como o
AHAM, mas sim em uma base orientada a objetos. Isso permite que, por meio do modelo de
referência, tenha-se uma visão mais abrangente da aplicação, tendo um foco de Engenharia de
Software e não apenas de Banco de Dados, como é o caso do AHAM (KOCH, 2002).
Apesar desse diferencial, a arquitetura do Munich é muito semelhante à do AHAM,
pois as duas utilizam estrutura organizada em camadas. O foco do modelo Munich é a
descrição formal e visual do modelo de referência. Isto vem sendo muito disseminado, pois
torna o modelo de referência mais intuitivo. Essas características motivaram o uso de UML
(Unified Modeling Language) no desenvolvimento do modelo aqui descrito.
A UML proporciona notação e técnicas (diagramas) para a representação visual,
facilitando a representação de conceitos relevantes, a organização desses conceitos e dos
relacionamentos existentes. Estes fatores aumentam a compreensão intuitiva. O suporte
formal deste modelo de referência é dado com o uso da OCL (Object Constraint Language),
que é parte da UML, e representa as informações gráficas formalmente por meio de
informações semanticamente escritas. O uso da UML no modelo Munich integra um processo
de modelagem e desenvolvimento mais amplo, denominado UWE (UML-based Web
Engineering). UWE inclui um método de projeto e de descrição do processo de
desenvolvimento da aplicação adaptativa que cobre todo o seu ciclo de vida (KOCH, 2002),
(ANDREJKO, 2005), (KURUC, 2005), (BIELIKOVÁ, 2006), (ZHANG, 2005), (MELIÁ,
2005), (BAUMEISTER, 2005), (KNAPP, 2006).
3.3.1 Arquitetura do Modelo Munich
A arquitetura do modelo Munich preserva a estrutura de três camadas proposta pelo
modelo Dexter, descreve a rede de nodos e links e os mecanismos de navegação. Entretanto, o
modelo Munich estende as funcionalidades das três camadas do Dexter, agregando aspectos
relacionados ao modelo de usuário e à adaptatividade (KOCH, 2002). As camadas de
execução, armazenamento e a interna aos componentes são apresentadas na figura 15.
58
Figura 15. Arquitetura do modelo Dexter. Fonte: Koch (2002).
A camada de execução contém a descrição da apresentação dos nodos e links. É
responsável pela interação com o usuário, aquisição de conhecimento do usuário e
gerenciamento de seções do sistema hipermídia adaptativo.
Como pode ser visualizada na figura 13, a camada de armazenamento possui mais
funções do que apenas armazenar as informações do sistema hipermídia adaptativo. Esta
camada está dividida em três submodelos, que são o cerne do modelo de referência com foco
na adaptatividade. Estes submodelos são (KOCH, 2002):
– Meta-modelo de domínio, que gerencia as estruturas básicas da rede do sistema
hipermídia, tendo como foco o relacionamento entre os nodos e a navegação entre eles;
– Meta-modelo de usuário, que gerencia um conjunto de usuários, representados por
seus atributos, com o objetivo de personalizar a aplicação;
– Meta-modelo de adaptatividade, que consiste em um conjunto de regras para
implementar funcionalidades adaptativas, personalizando a aplicação dinamicamente.
Camada de Execução
Especificação Apresentação
Camada Interna aos Componentes
Armazenamento
Âncoras
Meta-modelo de Domínio
Meta-modelo de Usuário
Meta-modelo de Adaptatividade
59
Por fim, tem-se a terceira camada, ou camada interna aos componentes, que relaciona
o conteúdo e a estrutura de organização do conteúdo de cada nodo. Tanto o conteúdo como
sua forma de estruturação dependem da aplicação que venha a ser desenvolvida.
O grande diferencial do modelo de referência Munich se encontra na camada de
armazenamento. A divisão estabelecida, utilizando três submodelos, faz a convergência de
conceitos relevantes da área de adaptatividade: meta-modelo de usuário, de domínio e de
adaptatividade. Essa integração proporciona a adaptatividade das aplicações que seguem o
modelo Munich. Dada a relevância desta camada, a próxima seção descreve a modelagem
destes três submodelos.
3.3.2 Camada de Armazenamento do Modelo Munich
A camada de armazenamento do modelo de referência Munich contém três abordagens
importantes para o desenvolvimento de um sistema hipermídia adaptativo. São elas:
estruturação do perfil do usuário, estruturação dos conteúdos em uma rede de nodos e links e
desenvolvimento e aplicação das regras para a base de adaptatividade (KOCH, 2002).
O Munich propõe uma abstração que resume as principais funcionalidades que estas
abordagens devem possuir. A modelagem deve ser utilizada antes do início do processo de
desenvolvimento do sistema hipermídia adaptativo. Sua utilização traz, para a equipe
desenvolvedora, a oportunidade de reutilizar partes do código implementado em aplicações
futuras.
Ao propor uma visão baseada em meta-modelos, o Munich não impõe o uso de um
determinado modelo de usuário ou modelo de domínio. O Munich simplesmente define que é
relevante o uso e a fundamentação destes modelos, porém não restringe a utilização de um
determinado modelo. O uso de UML neste processo de modelagem auxilia as etapas de
análise e projeto da aplicação, provendo os diagramas adequados para o desenvolvimento e
também funções, ou construtores, que podem ser utilizados na implementação.
Nesta seção, serão utilizados exemplos explorando o domínio da matemática
(operação de adição) para exemplificar e instanciar os meta-modelos propostos por Koch
(2002). Descrições detalhadas sobre os meta-modelos serão expostas no capítulo 6 deste
trabalho.
60
3.3.3 O Meta-modelo de Domínio
O meta-modelo de domínio descreve a estrutura de um domínio hipermídia como se
este fosse um conjunto finito de componentes que trabalham com três operações básicas:
construir, recuperar ou acessar um determinado componente (KOCH, 2002).
Um componente é uma abstração de um item do domínio de conhecimento; deve
possuir um identificador único que possibilita sua manipulação e pode ser instanciado de duas
maneiras: como um elemento único (átomo) ou como um conjunto de outros componentes
(composição).
Figura 16. Meta-modelo de domínio representado em UML. Fonte: Koch (2002).
Um resumo das principais classes abordadas no meta-modelo de domínio proposto no
Munich pode ser visualizado na figura 16. Uma instância utilizando o meta-modelo de
domínio proposto pode ser visualizada na figura 17.
Composição Átomo
1.* 1.*
Relação Entre Conceitos
Conceito
Domínio
Recuperar( ) Construir( ) Acessar( )
Componente
Identificador
61
Figura 17. Instância do meta-modelo proposto.
De acordo com a figura 17, observa-se que o domínio matemática é formado por um
componente (uma classe definida em UML), denominado OperSoma, que representa a
operação de adição. Este componente pode assumir duas situações: a soma entre dois
números, que representa o conceito abordado propriamente, ou as relações existentes entre
outros conceitos (que podem ser as relações existentes entre os demais operadores
aritméticos). O conceito, no domínio proposto, pode ser um átomo que, aqui, é representado
por uma soma simples ou uma composição, que pode ser, neste domínio, a modelagem de
uma soma com mais de duas parcelas.
3.3.4 Meta-modelo de Usuário
O meta-modelo de usuário descreve a estrutura de um modelo individual de cada
usuário e como ele deve ser gerenciado. Não se prende a um tipo de definição de modelo de
usuário, tal como modelo de estereótipo ou de sobreposição. É um subsistema da classe
Gerenciador do Usuário e esse meta-modelo possui um relacionamento com o meta-modelo
de domínio com a finalidade de registrar o desempenho do usuário durante a navegação nos
componentes do domínio. O usuário possui um número de identificação único e possui
Matemática
Recuperar( ) Construir( ) Acessar( )
Componente
OperSoma
Soma (Entre 2 nos)
Operações - * /
Soma com mais parcelas
2+2
62
atributos que podem ser características relevantes para o meta-modelo. Na figura 18 é
apresentado o diagrama em UML de algumas classes do meta-modelo de usuário (KOCH,
2002).
Figura 18. Diagrama em UML do meta-modelo de usuário. Fonte: Koch (2002).
A figura 19 apresenta um exemplo de aplicação do meta-modelo de usuário. Os
atributos independentes referem-se ao conhecimento que o usuário possui e que não está
relacionado com o domínio do sistema hipermídia adaptativo. Os atributos dependentes estão
relacionados com o domínio e, principalmente, com o modo como o usuário desempenha suas
atividades relativas ao domínio, como acertos e erros em exercícios.
Figura 19. Exemplo de aplicação do meta-modelo de usuário
deletarUsu( )
Gerenciador
Meta-modelo de Domínio
Aluno1
Nome, Idade, Idioma
Background – Conhecimento não relacionado com o
domínio
Tarefas desempenhadas pelo usuário no processo de
utilização
deletarUsu( )
Gerenciador
Meta-modelo de Domínio
Usuário
Atributos do Usuário
Atributos Independentes
Atributos Dependentes
63
3.3.5 Meta-modelo de Adaptatividade
A adaptatividade é provida por um conjunto de regras, assim como na maioria dos
sistemas hipermídia adaptativos. Essas regras determinam como as páginas são construídas e
como elas são apresentadas para o usuário. O diagrama UML que representa as classes mais
relevantes para a adaptatividade neste meta-modelo está na figura 20.
Figura 20. Diagrama em UML do meta-modelo de adaptatividade. Fonte: Koch (2002).
As regras formam o elemento principal do meta-modelo de adaptatividade e, por meio
delas, é possível verificar o comportamento do usuário (que está dividido em três classes:
navegação, entrada de dados e inatividade). Tanto as condições como as ações disparadas
pelas regras estão relacionadas com os atributos do usuário que constam no meta-modelo de
usuário (KOCH, 2002).
Um exemplo de definição de regra que pode ser utilizada para o meta-modelo de
adaptatividade aparece na figura 21.
Navegar
Entrar com dados
Inativo
Adaptação
Regra
Regras de Construção
Regras de Adaptação
Regras de Aquisição
1. 1.
Meta-modelo de Usuário:: AtributosUsuário
1.
Condição Ação
Elemento de
Regra
Comportamento Usuário
64
Figura 21. Exemplo de diagrama UML de regra de adaptatividade
As regras são baseadas nos comportamentos do usuário, que, no meta-modelo de
usuário, estão listados nos atributos ditos dependentes. Se o comportamento do usuário aponta
aprendizagem por Exemplos, então se esconde a teoria e são mostrados os conteúdos relativos
aos exemplos. Esse método também é conhecido por Adaptatividade de Conteúdo (KOCH,
2000), e utiliza uma técnica designada por Conteúdo Variante, ou Variantes de Explicação.
O presente capítulo conceituou modelo de referência para SHA. Além disso,
apresentou dois modelos de referência: Munich (KOCH, 2002) e AHAM (DE BRA, 1998),
que derivam do modelo DEXTER (HALASZ, 1990), considerado o precursor dos modelos de
referência. Como a proposta dessa pesquisa é a extensão de um modelo de referência, destaca-
se, então, a relevância do referencial teórico aqui detalhado. Além do estudo sobre modelos de
referência, é necessário estabelecer definições e conceitos sobre estilos cognitivos em
ambientes de ensino a distância, que serão abordadas no próximo capítulo.
Regra A
exemSoma
execucao( )
Aprendizagem Baseada em Exemplos
Adaptatividade Conteúdo
1
*
65
4 Estilos Cognitivos e Ensino a Distância
O termo “estilo cognitivo” foi cunhado por Allport (1937) para designar abordagens
individuais utilizadas na resolução de problemas, recepção e recuperação de informações
memorizadas. Embora autores apresentem visões redundantes ou conflitantes, dêem nomes
diferentes para o mesmo estilo, discordem nas definições dos conceitos de estilos, habilidades
e estratégias, busquem seus próprios instrumentos de reconhecimento, é possível observar
aspectos comuns nas suas abordagens. Esta seção aborda diferentes autores e suas concepções
de estilo cognitivo para apoiar a escolha dos estilos cognitivos a serem utilizados na extensão
proposta do modelo de referência de Munich.
Como dito anteriormente, o termo estilo cognitivo surgiu no final da década de 1930.
Foi bastante influenciado pelo movimento New Look (WITKIN, 1981), surgido do interesse
existente sobre fatores pessoais e sociais na percepção. Este movimento fez uma tentativa de
restabelecer o enfoque sobre o indivíduo em estudos de percepção, cujas abordagens para
compreensão de como os indivíduos recebem e processam informações têm consolidado a
base de muitas pesquisas subseqüentes (FIERRO, 1990), (DUFRESNE, 1997), (BARIANI,
2000), (STASH, 2004), (GELLER, 2004).
Os estilos cognitivos caracterizam heurísticas de alto nível que organizam e gerenciam
o comportamento do indivíduo, durante a sua aprendizagem. O estilo cognitivo de
aprendizagem é uma das características mais estáveis do indivíduo (DUFRESNE, 1997) e se
apresenta em padrões invariantes e individuais ou, pelo menos, padrões bastante estáveis de
processamento da informação (FIERRO, 1990). A estabilidade de um estilo cognitivo se
manifesta nas hierarquias de utilização de processos de tratamento da informação e das
estratégias próprias que o aprendiz utiliza quando adquire uma nova informação.
De acordo com Messick (1976), os estilos cognitivos se referem ao meio preferido
pelo qual um indivíduo processa a informação. Ao contrário das diferenças individuais nas
capacidades (por exemplo, as citadas por: Gardner, Guilford, Sternberg), que descrevem o
desempenho máximo, os estilos descrevem o modo típico de uma pessoa pensar, relembrar ou
resolver problemas. Além disso, os estilos são normalmente considerados para serem
dimensões bipolares, enquanto que as capacidades são unipolares (variando de zero até um
valor máximo). Ter mais de uma capacidade é usualmente considerado benéfico, enquanto ter
um estilo cognitivo particular simplesmente denota uma tendência para se comportar de certa
66
maneira. O estilo cognitivo é normalmente descrito como uma dimensão da personalidade que
influencia atitudes, valores e interação social (MESSICK, 1976).
Vários estilos cognitivos foram identificados e estudados ao longo dos anos. Um deles,
o que compara a independência com a dependência de campo é provavelmente o estilo mais
conhecido. Ele se refere à tendência para abordar o meio de um modo analítico ou global. Em
um nível perceptivo, as personalidades, independentes de campo, são capazes de distinguir as
figuras como distintas de seus planos de fundo quando comparadas aos indivíduos
dependentes de campo, que experimentam os eventos de um modo indiferenciado. Além
disso, os indivíduos dependentes de campo têm uma maior orientação social no que diz
respeito às personalidades independentes de campo.
Segundo Messick (1976), há um número de conexões entre este estilo cognitivo e o
aprendizado. Por exemplo: indivíduos independentes de campo são prováveis para aprender
efetivamente sob condições de motivação intrínsecas (isto é, estudar sozinho) e são menos
influenciados pelo reforço social.
Existem nove dimensões que definem os estilos cognitivos (MESSICK, 1976):
1. Independência de Campo versus Dependência de Campo;
2. Discriminação ou Mapeamento;
3. Amplitude ou extensão de Conceito;
4. Estilo Conceitual;
5. Complexidade cognitiva versus Simplicidade Cognitiva;
6. Reflexão versus Impulsividade;
7. Monotonia versus Agudeza;
8. Controle restrito versus Flexível e,
9. Tolerância pelo incongruente ou experiências irreais.
Para Messick (1984), os estilos cognitivos são profundamente enraizados na própria
personalidade do sujeito; estão entrelaçados com a estrutura afetiva, temperamental e
motivacional como parte da personalidade total.
Esta quantidade de estilos definidos por Messick (1976) revela que diferenças
individuais de aprendizado podem ser abordadas de formas diferentes. Porém, Kogan (1971)
conclui, em suas pesquisas, que da lista original de Messick de nove estilos, cinco não
apresentavam implicações educacionais ou instrutivas, enquanto apenas dois apresentavam
implicações em relação a crianças e nenhum deles apresentava implicações claras com relação
67
ao aprendizado adulto. Em contrapartida, Kogan (1971) conclui que a dimensão
independência de campo versus dependência de campo (MESSICK, 1976) é relevante para a
pesquisa sobre a interação entre variáveis do estilo cognitivo e o enfoque instrutivo. Pesquisas
posteriores sobre estilos cognitivos (HARVEY, 1961), (KOGAN, 1964) também
identificaram a dependência/independência de campo como potencialmente significativa.
Aproximadamente uma década após seus primeiros estudos, Messick (1984) considera
que a contribuição dos estilos cognitivos à educação tem sido limitada e de difícil
implementação. Porém, ressalta o fato de a dependência/independência de campo ser ainda
particularmente promissora para investigações futuras. Propõe, nessa mesma obra
(MESSICK, 1984), três concepções alternativas para as diferentes conceitualizações de estilos
cognitivos.
Na primeira, são descritas como propriedade estrutural do próprio sistema cognitivo as
diferenças individuais da estrutura cognitiva, que são referentes ao grau de diferenciação
conceitual, de discriminação ou ao grau de articulação ou, ainda, ao grau da integração
hierárquica das unidades cognitivas.
A segunda concepção entende os estilos cognitivos como modos característicos
autoconsistentes de percepção, recordação, pensamento e solução de problema. Finalmente,
na terceira concepção, estilos são definidos como preferências cognitivas, referindo-se ao
modo característico com que as pessoas preferem conceituar e organizar os estímulos do
mundo.
Há concordância entre os autores sobre o fato de que os diferentes conceitos não
implicam em nível de habilidade ou capacidade. Não se trata de uma habilidade em si mesma
e sim do modo preferencial de alguém usar habilidades, não havendo estilos bons ou maus,
apenas diferentes estilos. Consideram, também, que os estilos cognitivos, ou pelo menos
algumas dimensões de estilos, desenvolvem-se experiencial e lentamente, não parecendo ser
facilmente modificáveis por instrução ou treinamento específicos.
Em geral, os estudiosos (BARIANI, 2000) não têm tratado da totalidade das
dimensões de estilos cognitivos descritas na literatura, limitando-se, em suas investigações, a
algumas delas. Nesta pesquisa serão descritas as duas dimensões de estilos que têm sido mais
estudadas. Estas dimensões podem ser obtidas na íntegra nas obras de Messick (MESSICK,
1976), (MESSICK, 1984).
68
1. Dependência – Independência de Campo
• Dependência de campo: Indivíduos com campo dependente contam com uma estrutura
externa de referência e, assim, preferem conteúdo e seqüência previamente
organizados. Requerem mais reforço extrínseco; são hábeis em situações que exigem
percepção pessoal e habilidades interpessoais; preferem uma interação professor-aluno
mais informal e gostam de aprender em grupo; demonstram, ainda, dificuldade para
avaliar criticamente as pessoas;
• Independência de campo: As pessoas com campo independente contam com uma
estrutura interna de referência, preferindo envolver-se na organização e seqüenciação
de conteúdos. Respondem a reforçamento intrínseco; saem-se melhor em situações
que requerem uma análise impessoal; facilmente corrigem os outros e expõem por que
erraram; preocupam-se mais com o conteúdo do que com a interação professor-aluno e
preferem aprender independentemente e individualizadamente.
2. Impulsividade – Reflexividade de resposta
• Impulsividade: Apresentam melhor desempenho em tarefas que requerem processos
globais. Detêm-se pouco em ponderação e organização prévia a uma resposta;
• Reflexividade: Os indivíduos têm melhor desempenho em tarefas que requerem
processos detalhados. Seus pensamentos são mais organizados, seqüenciados e há
ponderação prévia para suas respostas.
3. Convergência – Divergência de Pensamento
• Pensamento convergente: O pensamento convergente identifica-se com pensamento
lógico, com raciocínio. As pessoas de pensamento convergente são hábeis em lidar
com problemas que requerem uma clara resposta convencional (uma solução correta),
a partir das informações fornecidas. Preferem problemas formais e tarefas melhor
estruturadas, que demandam mais as habilidades lógicas. São inibidos
emocionalmente, sendo identificados como mais conformistas, disciplinados e
conservadores;
• Pensamento divergente: É associado à criatividade, a respostas imaginativas, originais
e fluentes. Os indivíduos preferem problemas informais, sendo hábeis em tratar de
problemas que demandam a generalização de várias respostas igualmente aceitáveis,
nas quais a ênfase é na quantidade, variedade e originalidade das respostas.
Socialmente, são considerados como irritados, disruptivos e até ameaçadores.
69
4. Holista – Serialista
• Holista: Os indivíduos holistas dão maior ênfase ao contexto global desde o início de
uma tarefa; preferem examinar uma grande quantidade de dados, buscando padrões e
relações entre eles. Usam hipóteses mais complexas, às quais combinam diversos
dados;
• Serialista: Os serialistas dão maior ênfase aos tópicos separados e em seqüências
lógicas, buscando padrões e relações somente mais tarde no processo, para confirmar
ou não suas hipóteses. Assim, usam hipóteses mais simples e uma abordagem lógico-
linear (de uma hipótese para a próxima, passo a passo).
Sabe-se que, em Geller (2004), foram utilizados estes quatro estilos cognitivos para
desenvolvimento de um Ambiente Virtual de Aprendizagem. Estes estilos também servem
como base para as pesquisas de inserção da abordagem de estilos cognitivos no AHA!
(STASH, 2004). A próxima seção apresenta exemplos de sistemas de educação a distância,
tanto adaptativos como não adaptativos, que utilizam conceitos de estilos cognitivos.
4.1 Utilização de Estilos Cognitivos no EAD
Como visto anteriormente, os estilos cognitivos possuem diversas definições; porém,
independente das classificações adotadas, são instrumentos importantes para garantir a
adaptatividade de várias aplicações de ensino a distância. Nesta seção, estão descritas algumas
experiências de utilização.
4.1.1 Estilos Cognitivos e Ambiente Virtual de Aprendizagem
Apesar da existência de várias classificações e conceituações para estilos cognitivos ou
estilos de aprendizagem, de acordo com Geller (2004), diferentes conceitos para os estilos
cognitivos não implicam em níveis de habilidade, capacidade ou inteligência. Sendo assim,
não existe um estilo considerado positivo ou negativo, existem diferentes formas de utilizar
habilidades e formas diversas utilizadas pelos indivíduos para compreender um mesmo tema.
Por este motivo, na pesquisa desenvolvida por Geller (2004), o estudo enfocou quatro
dimensões de estilo cognitivo, que são: Independência de Campo, Impulsividade-
Reflexividade de Resposta, Convergência-Divergência de Pensamento e Holista-Serialista,
explicitados anteriormente no presente capítulo.
70
De acordo com Geller (2004), o objetivo inicial da pesquisa foi determinar
identificadores para, posteriormente, modelar um framework cujo objetivo principal é a
adaptação de um AVA. Este AVA utiliza técnicas de hipermídia adaptativa, explicitadas no
capítulo 3, considerando os estilos cognitivos predominantes dos alunos de um determinado
curso a distância.
A adaptação proposta por Geller (2004) é feita através da criação de um curso a
distância inserido pelo professor no Ambiente Virtual de Aprendizagem. Agregado ao
ambiente virtual existe um questionário que deve obrigatoriamente ser preenchido por todos
os alunos ao iniciarem o curso. Esse questionário tem como função identificar o estilo
cognitivo predominante do aluno. Essa identificação servirá para indicar quais as ferramentas,
os materiais preferenciais e as estratégias de ensino mais adequadas ao estilo cognitivo de
cada aluno.
É importante salientar que a indicação tanto das ferramentas quanto dos materiais e
das estratégias de ensino vem ao encontro de priorizá-los no momento inicial do curso, a fim
de que o aluno se familiarize com o ambiente que será utilizado no decorrer do curso. Essas
indicações especificam ferramentas virtuais de comunicação, formatos do material utilizado e
estratégias de ensino de forma preferencial, mas não exclusiva.
Cabe ao professor criar um novo curso e informar suas características gerais, como:
data de início e fim do curso, indicação de leituras e atividades, sugestão de temas para os
fóruns de discussão, entre outros. Outro ponto que compete ao professor é a definição de um
novo momento para o aluno responder novamente o instrumento que identifica o estilo
cognitivo predominante, entendendo que os alunos do curso podem alterar suas preferências
em relação ao ambiente virtual, após terem se tornado usuários dele. Cabe ao aluno
obrigatoriamente preencher o instrumento de identificação do estilo cognitivo predominante
que lhe permitirá acessar ao curso.
A função do sistema é identificar os estilos cognitivos predominantes dos alunos,
relacionando estes estilos aos alunos, formando os seguintes grupos: holista, serialista,
reflexividade de resposta e divergência de pensamento.
As estratégias de ensino são sugestões ao professor para que ele encaminhe atividades,
tarefas, leituras no curso através de: pesquisa na Internet, questionários, resenhas e desafios.
Dessa forma, o sistema ao identificar alunos pertencentes a um estilo cognitivo predominante
dará prioridade às ferramentas de comunicação correio eletrônico e bate-papo, buscando
igualmente o material e as estratégias de ensino indicados para esse grupo.
71
A pesquisa desenvolvida por Geller (2004) trabalha com estilos cognitivos
predominantes e, para defini-los no AVA proposto, foram feitas pesquisas nos registros de
cada sujeito da pesquisa.
O modelo de análise proposto na pesquisa de Geller (2004) permitiu que se extraísse
das ferramentas de comunicação Perfil, Diário e Bate-papo características dos estilos
cognitivos predominantes dos sujeitos da pesquisa, através da análise de conteúdo, tendo
como unidade de análise o posicionamento do aluno que refletisse suas preferências em
relação ao seu próprio processo de aprendizagem e à ação do professor nesse processo. Esse
posicionamento foi analisado através de diálogos ocorridos entre o aluno e o formador, entre
os alunos ou, ainda, entre o aluno e a pesquisadora, registrados nas diferentes ferramentas de
comunicação virtuais já mencionadas.
Após a tabulação dos dados, a primeira categoria foi definida. Esta categoria está
relacionada ao fato de que os sujeitos da pesquisa, de modo geral, são diferentes entre si
quanto ao modo de pensar, de resolver problemas, de relacionar-se com colegas e com
professores a distância. Nessa categoria, foi dada total atenção às características de cada
dimensão dos estilos cognitivos predominantes já identificados. Foram importantes, para se
chegar a essa categoria, expressões como “concordo / não concordo”, “gosto / não gosto”,
“prefiro / não prefiro”, “tenho interesse / não tenho interesse”, as quais salientavam o tipo de
posicionamento de cada sujeito da pesquisa frente à sua postura pedagógica e suas
preferências em relação ao processo de ensino e aprendizagem em um ambiente virtual de
aprendizagem.
A segunda categoria escolhida em Geller (2004) foi denominada de ação
aluno/professor no espaço virtual. Nessa categoria, foram observados os objetivos do curso a
distância (do qual participaram os sujeitos dessa pesquisa), os conteúdos trabalhados, o papel
do professor no processo de EaD e a visão dos participantes em relação aos aspectos de
autonomia e cooperação no ambiente virtual que mediou todo o curso. Os extratos utilizados
nessa categoria foram retirados de bate-papos entre a pesquisadora e os sujeitos de pesquisa e
serviram para ilustrar o entendimento estabelecido da ação do aluno e do professor durante o
processo de investigação.
Foram relacionadas as duas categorias supracitadas (GELLER, 2004), denominadas
estilos cognitivos predominantes e ação aluno/professor no espaço virtual. Com esta tentativa,
percebeu-se que existem comportamentos sociais diferenciados em sujeitos que apresentam o
mesmo estilo cognitivo predominante, fortalecendo o entendimento de que os sujeitos
72
carregam consigo aspectos subjetivos como atitudes, posturas, predileções. Para a adaptação
proposta no modelo de Geller (2004), a escolha recaiu sobre o método de explicação variante
(citada no capítulo 3 dessa tese), pois esse método busca mostrar ou esconder partes da
informação, armazenando diversas variantes de um mesmo conteúdo, apresentando as que
correspondem ao interesse do usuário.
A adaptação do ambiente virtual, então, é realizada através dos cursos inseridos pelos
professores. A técnica de página variante foi utilizada para que o professor fizesse a inserção
e manutenção de duas ou mais páginas para cada conceito, descrevendo-o de formas distintas,
cada uma delas adaptada a uma classe de usuário.
A partir das análises dos registros das ferramentas Perfil, Diário e Bate Papo do
ambiente virtual que mediou o curso a distância e dos bate-papos realizados através da
ferramenta Ms-Chat com cada participante da pesquisa, foi possível definir uma série de
indicadores para propor a adaptação de um ambiente virtual de aprendizagem aos estilos
cognitivos predominantes desses sujeitos (GELLER, 2004). Esses indicadores foram
definidos como: Organização do conteúdo, Ferramentas de comunicação e Ação do professor/
aluno, sendo descritos mais detalhadamente na Tabela 1.
Holista • Organização do conteúdo: Texto: artigo, links, sites de busca, livro. Imagem: diagrama. • Ferramentas de comunicação: bate-papo, correio eletrônico. • Ação do professor/aluno: o aluno tem motivação intrínseca. O professor deve propor pesquisas na
Internet e compartilhar resultados com o grupo. Reflexividade de resposta • Organização do conteúdo: Texto: tutorial, livro, capítulos de livros, artigos. Imagem: gráfico,
diagrama. • Ferramentas de comunicação: fórum, correio eletrônico, lista de discussão. • Ação do professor/aluno: o professor deve propor atividades em forma de questionários, solicitar
resenhas críticas. Serialista • Organização do conteúdo: Texto: apostila, tutorial, tópicos. Imagem: gráficos, desenhos
seqüenciais. • Ferramentas de comunicação: bate-papo, fórum. • Ação do professor/aluno: o aluno deve ser motivado pelo grupo e pelo professor. O professor deve
propor atividades em forma de questionário. Divergência • Organização do conteúdo: Texto: links, site de busca, tópicos. Imagem: gráfico, diagramas. • Ferramentas de comunicação: fórum, correio eletrônico, lista de discussão. • Ação do professor/aluno: o aluno tem motivação intrínseca. O professor deve promover constantes
desafios.
Tabela 1. Indicadores para adaptação do ambiente virtual, segundo estilos cognitivos predominantes.
Fonte: Geller (2004)
73
Existe, ainda, a possibilidade de o aluno apresentar estilo cognitivo predominante
sobrepostos ou concomitantes, ou seja, ter mais de um estilo predominante em igual ordem de
importância. Acontecendo isso, o sistema deve possibilitar a mescla dos recursos definidos
para os diferentes estilos. Após esta identificação, o sistema adapta o curso em relação ao
conteúdo apresentado, as ferramentas de comunicação disponíveis no ambiente e as
estratégias de ensino priorizadas pelo professor, de acordo com os estilos cognitivos
predominantes.
No framework proposto, que foi modelado com UML, o curso original é o curso
inserido pelo professor, contendo todo o material, as ferramentas de comunicação e as
estratégias a serem utilizados, independente dos estilos cognitivos do grupo de alunos.
4.1.2 Estilos Cognitivos e Sistema Hipermídia Adaptativo
Segundo Brown (2005), o fato de os estilos cognitivos ou estilos de aprendizagem
serem utilizados em sistemas hipermídia adaptativos educacionais (SHAE), mesmo com
certas limitações, é promissor e assegura que a eficácia desses sistemas pode aumentar no
futuro. Porém, o autor ressalta que, apesar da utilização de estilos cognitivos, sabe-se que a
maioria dos SHAE ainda utiliza uma arquitetura que prevê o processo de adaptação
totalmente dependente dos demais modelos do SHAE, não criando uma estrutura própria para
esta finalidade.
Como a especificação dos estilos cognitivos é mais complexa do que as bases de
estratégia de conhecimento já adotadas (nos SHAE atuais), o fato de o processo de adaptação,
utilizando estilos cognitivos, permanecer dependente dos demais modelos do SHAE pode
comprometer a reusabilidade do sistema.
Essa é uma das razões que favorecem o estudo e a criação de padrões, modelos de
referência para AEH. É interessante iniciar esses modelos de referência tendo como base as
dimensões de Adaptação; assim, há que se considerar os estilos cognitivos a fim de detalhar
os passos de modelagem e implementação, que são requeridos nas estratégias instrucionais
correspondentes a um estilo cognitivo em particular (BROWN, 2005), (CRISTEA, 2006),
(STASH, 2006).
Na pesquisa realizada por Brown (2005), são apontados vários tipos diferentes de
estilos cognitivos, conforme já discutido no presente capítulo desta tese. Porém, o autor
apresenta um panorama geral sobre SHAE e estilos cognitivos, apresentado na tabela 2.
74
Dentre os modelos de estilos cognitivos adotados nos trabalhos listados na tabela 2, o
de Witkin & Goodenough (1981) é fortemente baseado no uso da dimensão
Dependência/Independência de Campo, definida inicialmente por Messick (1976), e já
explorada no presente capítulo.
SHAE Modelo de Estilo Cognitivo Adotado
AES-CS (TRIANTAFILLOU, 2002) Dependência e Independência de Campo (WITKIN; GOODENOUGH, 1981); (MESSICK, 1976)
iWeaver (WOLF, 2002) Modelo de Estilo Cognitivo Dunn and Dunn’s (DUNN & DUNN, 1978)
INSPIRE (GRIGORIADOU, 2001)
Teoria de aprendizagem experimental de Kolb (KOLB, 1984)
AHA! (DE BRA et al., 2003; Stash et al.,2004) MOT (STASH et al.,2004)
Questionário de Estilo Cognitivo de Honey and Mumford’s (HONEY; MUMFORD, 1992)
CS383 (CARVER, 1999) Inventário de Estilo Cognitivo de Felder-Soloman (FELDER & SOLOMAN, 2004)
ILASH (BAJRAKTAREVIC, 2003) TANGOW - extended version (PAREDES; RODRIGUEZ, 2003) WHURLE (BROWN &
BRAILSFORD, 2004)
Tabela 2. Panorama geral sobre estilos cognitivos e SHAE. Fonte: Brown (2005).
O sistema AES-CS se apropria das definições destas teorias para a implementação de
seus estilos cognitivos. A figura 22 contém dois exemplos de tela do AES-CS
(TRIANTAFILLOU, 2002) mostrando a diferença da abordagem para os aprendizes
dependentes e independentes de campo.
75
Figura 22. Exemplo de Telas do AES-CS. Fonte: Triantafillou, (2002)
Os recursos adotados pelo SHAE AES-CS para os aprendizes com estilo cognitivo
Independente de Campo podem ser notados na figura 22 (a), que apresenta o menu lateral
com uso de duas técnicas de adaptação: Ordenação Adaptativa e Anotação Adaptativa. Já na
figura 22 (b) são mostrados os recursos utilizados pelo SHAE para os aprendizes com estilo
cognitivo dependente de campo. Para este estilo, diversos recursos são adotados, tais como: a
habilitação da barra de tarefas na porção superior da tela; a possibilidade de se abrir, na forma
de janela pop-up, o mapa conceitual do domínio que está sendo estudado pelo aprendiz; o uso
de setas de navegação, na porção inferior da tela, e, ainda nesta região da tela, um recurso
intitulado ‘indicador gráfico de caminho’, que exibe, na forma de figura, um mapa de
navegação para localizar a página, ou conceito, que está sendo focada pelo aprendiz.
O modelo proposto por Dunn & Dunn (1978) utiliza preferências instrucionais do
aprendiz (DUNN, 1995). Para tal, incorpora determinadas premissas, como: todos possuem
motivações, porém diferentes pessoas possuem diferentes motivações; a maioria dos
indivíduos pode aprender; ambientes instrucionais e recursos didáticos respondem a diferentes
motivações; preferências individuais de aprendizagem existem e podem ser mensuradas. De
Anotação Adaptativa
Menu
Barra deTarefas
Mapa Conceitual
Suporte Navegacional
Indicador Gráfico
de Caminho
(a) Estilo Cognitivo Independente de Campo
(b) Estilo Cognitivo Dependente de Campo
76
acordo com Cspo (2007), estes itens existentes no modelo de Dunn & Dunn (1978)
identificam e utilizam as características do processo de aprendizagem.
Os estilos adotados por Dunn & Dunn (1978) são: Auditivo; Visual, divido em texto e
imagem; Sinestésico Tátil, prefere fazer contato físico; Sinestésico Interno, prefere fazer
conexões entre conceitos e aprendizagens passadas; Impulsivo, tenta resoluções diretamente
antes de realizar uma leitura; Reflexivo, pensa sobre o problema antes de partir para sua
resolução; Global, preferência por ter uma visão geral do conceito e, posteriormente, trabalhar
com as particularidades; Analítico, aborda o entendimento com base em uma seqüência de
atividades ou passos.
Uma das aplicações que utiliza este modelo é iWeaver (WOLF, 2002). Na figura 23,
são apresentadas duas formas de conteúdo utilizadas pelo iWeaver, tomando, como princípio,
os estilos Auditivo e Visual (com preferência à imagens).
A figura 23 (a) mostra conteúdo explicativo que privilegia aprendizes com estilo
cognitivo visual. A explicação tratada nesta situação aborda um exemplo de programação em
linguagem Java, que utiliza uma animação como metáfora para explicar o uso de uma
estrutura de programação condicional. A idéia desta forma de abordagem do conteúdo é
permitir que o aprendiz construa uma imagem mental com base no que ele visualiza na tela.
Figura 23. Exemplo de telas do iWeaver . Fonte: Wolf (2002)
A figura 23 (b) considera os aprendizes com estilo cognitivo auditivo. Nesta tela, o
mesmo conteúdo tratado pela figura 23 (a) é exposto na forma de áudio, possibilitando aos
(a) (b)
77
aprendizes que se enquadram nesse estilo cognitivo ouvir ao conteúdo quantas vezes forem
necessárias.
A Teoria de Aprendizagem Experimental de Kolb (1984), fundamentada nas teorias de
Dewey, Lewin e Piaget (ROSÁRIO, 2006) e adotada pelo INSPIRE e pelo MOT, possui
como base o processamento da informação e as preferências cognitivas ou personalidade
cognitiva do aprendiz. Kolb (1984) define que é possível desenvolver preferências diferentes
para estilos de aprendizagem diferentes. Essa teoria provê um framework a ser utilizado para
identificar as preferências de aprendizagem do estilo cognitivo do aprendiz. De acordo com
Kolb (1984), a definição do estilo cognitivo ocorre baseada em quatro características ou
preferências que o aprendiz pode possuir de forma isolada ou combinada entre si; são elas: (a)
Experimentação Ativa, que utiliza simulações, estudo de casos e tarefas; (b) Observação
Reflexiva, que prima pela leitura e interpretação, utiliza leituras de textos, jornais e com
reuniões no estilo brainstorming; (c) Conceitualização Abstrata, utiliza analogias com base
em leituras realizadas para contextualização de conceitos teóricos em aspectos e experiências
práticas; (d) Experiências Concretas, prima por observações laboratoriais, trabalhos de
campos ou situações pragmáticas.
A figura 24 mostra um exemplo de aplicação da Teoria de Kolb (1984) no SHAE
ISNPIRE (Grigoriadou et al.,2001). O referido exemplo ilustra uma das telas do SHAE que é voltada
aos aprendizes de estilo cognitivo classificado como “Experimentação Ativa”.
78
Figura 24. Exemplo de telas do ISNPIRE . Fonte: Grigoriadou (2001)
Um exemplo de como os estilos cognitivos definidos por Honey e Mumford (1992)
são utilizados no AHA! é apresentado na figura 25. Nesta figura, é possível observar como o
aprendiz define o seu estilo cognitivo, com base em uma caixa de opção listando os estilos:
Ativista (figura 25 (a)) e Reflexivo (figura 25 (b)).
Figura 25. Exemplo de tela do AHA! . Fonte: De Bra ( 2003)
(a)
(b)
(c)
(a) (b)
79
O Inventário de Estilo Cognitivo de Felder-Soloman (2004), utilizado pelo CS383,
ILASH, TANGOW e WHURLE, difere dos demais por ter sido criado especialmente para
utilização na área de Engenharia (ROSÁRIO, 2006) (LITZINGER, 2005), porém mantém a
característica de utilizar dimensões definidas por pares de conceitos, tais como:
Processamento (Ativo/Reflexivo), Percepção (Investigativo/Intuitivo), Entrada
(Visual/Verbal), Compreensão (Seqüência/Global) e Organização (Indutivo/Dedutivo).
A figura 26 traz um exemplo de utilização do Inventário de Estilo Cognitivo de
Felder-Soloman (2004) utilizado no SHAE WHURLE.
Figura 26. Exemplo de tela do WHURLE . Fonte: Brown (2004)
Dentre os estilos propostos por Felder-Soloman (2004), a figura 26 apresenta
dimensão de Entrada (Visual/Verbal). nesse caso especificamente focando os aprendizes com
estilo visual.
Esses modelos, vinculados aos SHAE acima apresentados, possuem características
similares, principalmente no que tange aos estilos definidos. A estrutura dos estilos
geralmente é definida com características que descrevem a forma como o aprendiz interage
com o SHAE. Pode-se observar, nos diversos modelos definidos neste capítulo (tanto no
A485m Amaral, Marília Abrahão Modelo RHA – Retroalimentação em hipermídia adaptativa / Marília Abrahão Amaral; orientadora Vania Ribas Ulbricht. – Florianópolis, 2008. 189f. Tese (Doutorado) – Universidade Federal de Santa Catarina, Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento, 2008. Inclui bibliografia.
1. Hipermídia adaptativa. 2. Modelo de referência. 3. Estilo cognitivo. 4. Avaliação de aprendizagem. I. Ulbricht, Vania Ribas. II. Universidade Federal de Santa Catarina. Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento. III. Título. CDU: 659.2
80
início do capítulo como na tabela 2), que vários deles utilizam características definidas, como:
holista, serialista, global, seqüencial, ativo, reflexivo, entre outras que se repetem. Inclusive,
as telas de parte das aplicações dos SHAE mostrados nas figuras de 22 a 26 comprovam que
até os aspectos relativos às técnicas e métodos de adaptação utilizam, de certa forma,
características similares entre os SHAE pesquisados.
Outro tipo de característica associada a alguns estilos cognitivos é a identificação do
conhecimento prévio do aprendiz (BROWN, 2005). Este tipo de característica é visto em
vários SHA, já que é um dos itens definidos por (BRUSILOVSKY, 1996) como importante
para o processo de adaptação de um sistema hipermídia. Os conhecimentos prévios do
aprendiz, na teoria de Sistemas Hipermídia Adaptativos, podem ser encontrados como
enquadrados em seu “Background ou Experiência”. O conhecimento prévio foi utilizado no
AHA! (DE BRA, 2006) e no WHURLE (BROWN & BRAILSFORD, 2004).
Os autores Höök & Svensson (1999) e Abou-Jaoude & Frasson (1999) sugerem a
organização do modelo de usuário em camadas e propõem que os modelos já discutidos, que
possuem as dimensões mencionadas anteriormente, utilizem aspectos como motivação e
crenças pessoais para incrementar os estilos cognitivos. Esses dois últimos itens inseridos
estão relacionados com a emoção, cognição e personalidade e mostram possibilidade de serem
integrados com o núcleo dos diversos modelos comentados para abordar estilos cognitivos da
personalidade do aprendiz.
Como mencionado na tabela 2 existem diversas teorias de estilos cognitivos utilizadas
nos mais variados SHAE. A figura 27 mostra uma forma particular de classificar as teorias de
estilos cognitivos.
Figura 27. Taxonomia de granularidade fina das teorias de estilos cognitivos. Fonte: Brown (2005).
Estilo de Processamento
da Informação
Holista/Analítico
Verbal / Visual
Sensitivo / Intuitivo
Verbal-Visual de Felder-Soloman
Dimensão Perceptiva de Dunn & Dunn
Verbal-Visual de Rayner and Riding
Sensitivo-Intuitivo de Felder-Soloman
Dimensão Perceptiva de Dunn & Dunn
Global-Sequencial de Felder-Soloman
Global-Analítico de Dunn & Dunn
Holista-Analista de Rayner & Riding’s
Dependência-Independência e Campo de Witkin
81
Segundo Brown (2005), a figura 27 representa uma taxonomia de granularidade fina
das diversas classificações de teorias de estilos cognitivos. Para ele, são três os tipos, seções
ou estilos de processamento da informação: Holista/Analítico, Verbal/Visual e
Sensitivo/Intuitivo. Para cada um desses estilos existem as teorias que os definem.
Ainda de acordo como Brown (2005), cada um dos elementos terminais do gráfico que
representa a Taxonomia exposta na figura 27 representa uma característica típica dos usuários
dos ambientes educacionais. Estas características devem ser adotadas pelos SHAE para que
eles sejam capazes de implementar soluções específicas a cada estilo cognitivo.
4.1.3 Considerações sobre Estilos Cognitivos
É possível notar que, apesar de existirem diversas nomenclaturas para o termo ‘estilo
cognitivo’ e diversos instrumentos para a sua adoção em sistemas de ensino na Web, inclusive
os sistemas hipermídia adaptativos, algumas características pertinentes à análise do estilo
cognitivo sempre são consideradas (BROWN, 2005), (CRISTEA, 2006), (STASH, 2006),
(ROSÁRIO, 2006) (LITZINGER, 2005), (DE BRA, 2006), (BECHARA, 2007) e (BROWN
& BRAILSFORD, 2004).
Em sua proposta, Geller (2004) adota essas duas características. O SHA AES-CS
(TRIANTAFILLOU, 2002) adota dependência e independência de campo como uma das
bases para implementar sua adaptabilidade. O AHA! e o MOT (CRISTEA, 2006), (STASH,
2006) utilizam tanto o conceito de dependência-independência de campo como o holista-
serialista. A utilização do critério holista-serialista também pode ser visualizada no Inventário
de Estilo Cognitivo de Felder-Soloman (2004), empregado por vários SHA (ROSÁRIO,
2006), (LITZINGER, 2005).
Na presente pesquisa são utilizados os critérios Dependência – Independência de
Campo e Holista – Serialista, já que foram empregados em vários dos exemplos citados ao
longo deste trabalho. Resta, agora, unir as definições pertinentes aos estilos cognitivos com os
conceitos referentes à avaliação de aprendizagem em ambientes de ensino a distância, que
serão apresentados no capítulo 5.
82
5 Avaliação de Aprendizagem em Ensino a Distância
Este trabalho não tem como pretensão discutir a avaliação sob a ótica pedagógica, mas
sim buscar conceitos e fundamentos para que se possa aplicá-la em um ambiente de EaD via
Web. Entretanto, em vista de sua importância, tem-se na presente seção uma introdução aos
aspectos relativos à avaliação de aprendizagem no âmbito pedagógico e também presencial.
Existe concordância de que “avaliar” traduz-se por emitir um juízo de valor a respeito
de alguma coisa. Significa medir, associar valores, podendo ser números ou conceitos para
representar atributos de objetos, mediante a existência de padrões e objetivos a que se destina
(VANZIN, 2005).
Apesar do consenso supracitado, sobre a definição de avaliação, este é um tema que
ainda muito se discute. Os pesquisadores da área possuem diversas definições; entre eles,
Luckesi (1999), que define a avaliação de aprendizagem praticada na escola como uma
avaliação da culpa. Aponta, ainda, que as notas são usadas para fundamentar necessidades de
classificação de alunos, sendo comparados desempenhos e não objetivos que se deseja atingir.
A seção 5.1 desta pesquisa apresenta outras definições e conceituações sobre avaliação de
aprendizagem.
Tendo uma linha de definição semelhante a Luckesi, Perrenoud (2000) complementa
que, normalmente, define-se o fracasso escolar como a conseqüência de dificuldades de
aprendizagem e como a expressão de uma “falta objetiva” de conhecimentos e de
competências. Esta visão, que “naturaliza” o fracasso, impede a compreensão de que ele
resulta de formas e de normas de excelência que foram instituídas pela escola, cuja execução
revela algumas arbitrariedades, entre as quais a definição do nível de exigência do qual
depende o limiar que separa aqueles que têm êxito daqueles que não o têm. As formas de
excelência que a escola valoriza tornam-se critérios e categorias que incidem sobre a
aprovação ou reprovação do aluno.
Para Perrenoud (2000), as classificações escolares refletem, em muitos casos,
desigualdades de competências muito transitórias; portanto, não se pode crer apenas na
avaliação de aprendizagem realizada na escola. O fracasso escolar existe apenas no âmbito de
instituições que possuem o poder de julgar, classificar e declarar um aluno como fracassado.
Não se pode dizer que o fracasso é a simples tradução lógica de desigualdades reais. Ele é
sempre relativo a uma cultura escolar previamente definida. Por conseguinte, não pode ser
considerado um simples reflexo das desigualdades de conhecimento e competência, pois a
83
avaliação de aprendizagem da escola utiliza as hierarquias de excelência a serviço de suas
próprias decisões.
Entender as manifestações efetivas da prática avaliativa é, ao mesmo tempo,
compreender o que nela está oculto. Além do seu papel específico na exclusão, a avaliação
classificatória acaba por influenciar todas as outras práticas escolares. O que significa, em
termos de avaliação de aprendizagem, um aluno ter obtido uma nota 5,0 ou 4,0? Em grande
parte das escolas, a primeira nota leva à aprovação do aluno, a segunda nota já o considera
reprovado. Com a primeira nota, o que o aluno sabe é considerado suficiente. Suficiente para
quê? E o que ele não sabe? O que ele deixou de “saber” não pode ser mais importante do que
o que ele “sabe”?
É reduzir a importância da avaliação no processo de ensino-aprendizagem considerar
que tais notas ou conceitos tenham condições de exprimir o rendimento do aluno e, então,
legitimar uma decisão de aprovação ou reprovação (PERRENOUD, 2000). Além do resultado
da avaliação, há que se atentar também para o processo de ensino-aprendizagem, para as
condições e ambientes fornecidos para o aluno e para a relevância deste resultado na
continuidade dos estudos, criando, assim, condições de possibilitar que os professores e os
alunos tornem-se detentores de maiores conhecimentos e informações sobre a própria
avaliação, a aprendizagem e o ensino (SAVIANI, 2000).
Este panorama verificado no ensino presencial não pode ser repetido no ensino a
distância. A seguinte seção deste documento procura definir os conceitos envolvidos no
escopo de avaliação de aprendizagem bem como retratar este processo no ensino a distância.
5.1 Definições sobre Avaliação de Aprendizagem
Na presente pesquisa, avaliar pode apresentar significado com nuances de: definir o
valor de algo, apreciar ou estimar o merecimento de, conferir juízo, ajuizar. Significa,
segundo Silva (2004), ato ou efeito de avaliar, apreciação, análise; ou valor determinado pelos
avaliadores.
Uma das obras clássicas de avaliação, no contexto educacional brasileiro, é
Depresbiteris (1989), na qual a autora traz diversas afirmações sobre o conceito, definições e
contexto da avaliação de aprendizagem. Entre elas destacama-se:
Cronbach (apud DEPRESBITERIS, 1989, p. 45) afirma: “de forma ampla, avaliação é a coleção e o uso de informações para tomar decisões sobre um programa educacional”.
84
Scriven (apud DEPRESBITERIS, 1989, p. 40) defende que: “a avaliação consiste simplesmente em coletar e combinar dados de desempenho a um conjunto de metas com padrões determinados, para permitir classificação numérica ou comparativa..”.
Tyler (apud DEPRESBITERIS, 1989, p. 44) define avaliação como um: “processo de determinar em que extensão os objetivos educacionais estão na verdade sendo realizados”.
Stufflebeam (apud DEPRESBITERIS, 1989, p. 39) tratam a avaliação como: “processo de delinear, obter e fornecer informações úteis para julgar decisões alternativas”.
Singer e Dick (apud DEPRESBITERIS, 1989, p. 45) entendem que avaliação é: “processo de coletar e analisar dados a fim de determinar o grau em que metas predefinidas foram atingidas”.
Além dos autores citados e abordados na obra de Depresbiteris (1989), outra definição,
proveniente de Perrenoud (1999), é que a importância da avaliação no processo de ensino/
aprendizagem é inegável, e esta é vista, e com razão, como sendo o fator mais importante que
determina as verdadeiras metas e objetivos do processo de ensino.
Para Hadji (2001, 1994), avaliar pode ser entendido como sendo o processo de atribuir
valor sobre um determinado objeto (aluno, situação, escola, projeto, etc.), por meio da coleta
de dados sobre esse objeto e o confronto destes com as expectativas e intenções que temos em
relação ao objeto.
Decorrente das pesquisas sobre avaliação de aprendizagem, Cruz (1997) afirma que
dar um enfoque correto à avaliação é uma questão de competência pedagógica e de
compreensão do que é, de fato, educação. Usar vários instrumentos de avaliação, com o
máximo de participação dos alunos na discussão dos resultados, também faz parte do
processo.
No Brasil, outras influências aparecem por meio de autores como Popham, Bloom,
Gronlund e Ausubel, entre outros. Algumas conclusões desses autores são: Avaliação sempre implica julgamentos de melhor ou pior (..) Uma medida nos diz o quanto de uma determinada característica um indivíduo possui. Se, então, dissemos, baseados nessa medida, “excelente”, “satisfatório” ou “terrível”, foi feita uma avaliação (..) Esta processa-se tendo em vista objetivos específicos. (AUSUBEL apud SOUSA, 1993, p. 30).
Avaliar significa emitir um julgamento de valor ou mérito, examinar os resultados educacionais para saber se preenchem um conjunto particular de objetivos educacionais. (AUSUBEL et al. apud SOUSA, 1993, p. 30).
85
Estes autores designaram diversas visões do conceito e do ato de avaliar a
aprendizagem, sob vários pontos de vista. Porém, um ponto de convergência das diversas
abordagens apresentadas é que a avaliação de aprendizagem tem como foco o aprendiz (ou o
aluno), e essa é uma característica preponderante não só no ensino presencial, como também
no ensino a distância.
5.2 Avaliação de Aprendizagem e seu Contexto
O desenvolvimento das teorias comportamentalistas e tecnicistas da década de 60 foi a
base para o modelo tradicional de avaliação de aprendizagem. O objetivo da avaliação nestas
teorias era julgar a efetividade do processo de aprendizagem fundamentada em
‘comportamentos esperados’ (CALDEIRA, 2004). Durante um período, os esforços foram
concentrados na produção de testes, questionários, inventários e fichas de registro de
comportamento, entre outros instrumentos. A avaliação era vista como um instrumento para
análise de desempenho final.
No desenvolvimento desse modelo, podem ser destacados os trabalhos de Tyler
(1949), considerado um dos primeiros teóricos deste tema, que aborda a avaliação
educacional como a comparação constante entre os desempenhos dos alunos e os objetivos
educacionais previamente estabelecidos (CALDEIRA, 2004).
O trabalho de Bloom, Hastings e Madaus (1971), intitulado Manual de Avaliação
Formativa e Somativa do Aprendizado Escolar, influenciou especialmente o planejamento
educacional de várias gerações, pois, pela primeira vez, sugeria três funções para a avaliação:
diagnóstica, formativa e somativa. A avaliação formativa é a que ocorre ao longo do processo
de aprendizagem. Seu objetivo é a correção de falhas do processo educacional e a prescrição
de medidas alternativas de recuperação das falhas de aprendizagem. A avaliação somativa
ocorre ao final de um processo, com claros objetivos de mensuração de resultados. Por fim, a
avaliação diagnóstica, que ocorre antes e durante o processo de aprendizagem, visa, no
primeiro momento, a agrupar alunos de acordo com suas dificuldades e, ao final, identifica se
houve ou não progresso em relação à assimilação dos conteúdos (CALDEIRA, 2004).
Segundo Perrenoud (1999), Masetto (2003), a verdadeira avaliação formativa é a que
contribui para a individualização dos processos de aprendizagem, e não apenas as que são
realizadas em vários momentos do processo de aprendizagem.
86
Sobre o tema, podem ser destacados, ainda, os trabalhos de Demo (1996, 2000),
Hoffman (1994), Romão (1998), Luckesi (1999), Perrenoud (1999, 2000), entre outros. Estes
autores consideram que o papel da avaliação é de contribuir positivamente para o processo de
aprendizagem e não apenas verificar os conhecimentos adquiridos, mas sim validar o processo
de construção do conhecimento. Estes autores focam a avaliação no conhecimento do
desenvolvimento cognitivo dos alunos e não na elaboração de instrumentos ou estratégias pré-
definidas (CALDEIRA, 2004).
5.3 Tipos de Avaliação de Aprendizagem
Como citado na seção 5.1 desta pesquisa, a avaliação pode ser dividida nos seguintes
tipos: diagnóstica, formativa, somativa. Nesta seção, serão apresentadas as definições dos três
tipos de avaliação de aprendizagem.
5.3.1 Avaliação diagnóstica
A avaliação diagnóstica, ou avaliação inicial, de acordo com Miras e Sole (1996), é a
abordagem inicial que propicia informações sobre as capacidades do aluno antes de principiar
um processo de ensino-aprendizagem. De acordo com Bloom, Hasting e Madaus (1971), este
tipo de avaliação busca a determinação da presença ou ausência de habilidades e pré-
requisitos, bem como a identificação das causas de repetidas dificuldades na aprendizagem.
A avaliação diagnóstica pretende averiguar a posição do aluno diante de novas
aprendizagens que lhe vão ser propostas e de aprendizagens anteriores que servem de base
àquelas, no sentido de prevenir as dificuldades futuras e, em certos casos, de resolver
situações presentes.
5.3.2 Avaliação formativa
A avaliação formativa, conforme Haydt (1994), permite constatar se os alunos estão de
fato atingindo os objetivos pretendidos, verificando a compatibilidade entre tais atividades
propostas.
Ainda de acordo com Haydt (1994), representa o principal meio pelo qual o aprendiz
passa a conhecer seus erros e acertos e, assim, maior estímulo para um estudo sistemático dos
conteúdos. Outro aspecto destacado pela autora é o da orientação fornecida por este tipo de
87
avaliação, tanto ao estudo do aluno como ao trabalho do professor, principalmente através de
mecanismos de feedback.
Uma maneira de implementar estes mecanismos de feedback é utilizar o conceito de
auto-avaliação. Segundo Vanzin (2005), este processo de auto-avaliação privilegia a
autoconsciência do aprendizado e auxilia a avaliação formativa. A auto-avaliação tem mais
foco no processo avaliativo do que no produto ou resultado obtido. Estes mecanismos
permitem que o professor e o aprendiz detectem e identifiquem deficiências na forma de
ensinar, possibilitando reformulações no seu trabalho didático, visando a aperfeiçoá-lo.
Para Bloom, Hastings e Madaus (1971), a avaliação formativa informa ao professor e
ao aprendiz sobre o rendimento da aprendizagem no decorrer das atividades escolares e
localiza as deficiências na organização do ensino, para possibilitar correção e recuperação. A
avaliação formativa pretende determinar a posição do aluno ao longo de uma unidade de
ensino, no sentido de identificar dificuldades e de lhes dar solução.
A avaliação formativa não tem como objetivo classificar ou selecionar. Ela é
fundamentada nos processos de ensino-aprendizagem (PERRENOUD, 1999). Para este tipo
de avaliação, é relevante considerar os aspectos cognitivos, afetivos e relacionais tendo como
base a aprendizagem significativa e funcional que se aplica em diversos contextos,
considerando que o aprendizado é dinâmico e deve ser atualizado para que o processo de
aprender tenha continuação.
Este enfoque tem um princípio fundamental: deve-se avaliar o que se ensina,
encadeando a avaliação no mesmo processo de ensino-aprendizagem. A avaliação formativa
deve contribuir para o desenvolvimento das capacidades dos alunos, portando-se como uma
ferramenta pedagógica que apóia a aprendizagem e a qualidade do ensino.
5.3.3 Avaliação somativa
O objetivo da avaliação somativa é determinar o grau de domínio do aluno em uma
área de aprendizagem (MIRAS; SOLÉ, 1996), o que permite conferir uma qualificação que,
por sua vez, pode ser entendida como um indício de credibilidade da aprendizagem realizada.
Pode ser chamada, também, de função creditativa. Também tem o propósito de classificar os
alunos ao final de um período de aprendizagem, de acordo com os níveis de aproveitamento.
É uma forma de validar e julgar o progresso do aluno ao final de uma unidade de
aprendizagem, no sentido de aferir resultados já colhidos por avaliações do tipo formativa e
88
obter indicadores que permitem aperfeiçoar o processo de ensino. Este tipo de avaliação se
comporta como um balanço final (MIRAS; SOLÉ, 1996).
5.4 Considerações sobre os Tipos de Avaliação de Aprendizagem
Dentre os três tipos de avaliação de aprendizagem, escolheu-se como base e
referencial desta pesquisa a avaliação formativa, pela sua aderência aos padrões estabelecidos
no desenvolvimento de modelos de referência de Sistemas Hipermídia Adaptativos.
É importante notar que essa escolha se pauta no fato de a avaliação formativa ser
considerada como o processo de determinar a efetividade da instrução e aumentá-la, sempre
que for o caso. É enfática a presença da coleta de dados para a revisão da instrução, com
objetivo de aperfeiçoar a instrução com base nesses dados coletados (SILVA, 2004).
Segundo Silva (2004), a idéia básica na avaliação formativa de materiais instrucionais
consiste em:
1. Utilizar um determinado material instrucional, em caráter experimental, com um
grupo de aprendizes;
2. Coletar, organizar, analisar e interpretar dados obtidos;
3. Determinar a efetividade do material instrucional no sentido de capacitar os
aprendizes a alcançarem os objetivos pretendidos pelo material;
4. Recomendar maneiras de aperfeiçoar o material para que auxilie o aprendiz a
obter mestria em um conjunto particular de objetivos.
O foco na avaliação formativa é colocado na obtenção de evidências empíricas que
permitam um aperfeiçoamento contínuo da instrução. As habilidades manifestadas indicam a
natureza do conhecimento adquirido pelo aprendiz. Esses são conceitos que também tornam
relevantes a indicação da avaliação formativa para o contexto desta pesquisa, pois se acredita
que possa ser utilizado em ambientes Web quando adaptado aos diferentes estilos cognitivos
do aprendiz.
5.5 Enfoques da Avaliação de Aprendizagem
Como dito anteriormente, a avaliação é uma questão crítica na área pedagógica, onde
existem várias correntes com perspectivas diferentes. Segundo Hoffman (1994), a maioria das
discussões sobre avaliação é ocasionada pela tentativa de definir o significado primordial de
sua prática na ação educativa.
89
É consenso que avaliar é preciso; entretanto, a forma como esta avaliação deve ocorrer
é também um fator importante neste processo. Existem vários tipos de avaliação, como
expresso na seção 5.2. Além disso, podem ser utilizadas várias técnicas para avaliação.
Porém, é importante destacar e definir qual o objetivo da avaliação, se deve ser mera medida
ou, então, referência para contribuir em futuras aprendizagens. Por meio da análise de
resultados, podem ser traçadas novas estratégias e caminho de ensino e aprendizagem.
Diversos autores, como: (HOFFMAN, 1994), (ROQUE, 2004), (ROQUE, 2007),
(LANGSCH, 1999), (SILVEIRA, 2004), baseiam-se em dois enfoques de avaliação de
aprendizagem: a avaliação tradicional e a avaliação integral.
5.5.1 Avaliação Tradicional A meta principal da avaliação, sob o enfoque tradicional, é verificar se os objetivos
foram atingidos e se houve a aprendizagem dos conteúdos trabalhados.
Há uma preocupação evidente com a avaliação da área cognitiva, ignorando-se por
completo quaisquer outras áreas, como a psicomotora e a afetiva.
Este tipo de avaliação caracteriza-se por um período de apresentação de um conteúdo,
por parte do professor e, logo a seguir, a aplicação de uma prova, referente ao conteúdo
trabalhado.
5.5.2 Avaliação Integral
A avaliação, sob este enfoque, é encarada como parte integrante do processo de ensino
e aprendizagem, considerando-se todas as dimensões do comportamento humano de forma
inter-relacionada, para buscar um maior desenvolvimento do indivíduo.
A avaliação integral pondera diferentes domínios, que não se limitam apenas à esfera
da área cognitiva. Assim, pode-se classificar a avaliação integral sob os seguintes domínios:
área afetiva, área psicomotora e a área cognitiva. Essa divisão já era adotada por Bloom em
1956.
O domínio afetivo: refere-se aos sentimentos e emoções do indivíduo e, normalmente,
possui reflexo nas suas atitudes. É um componente relacionado com os sentimentos e
emoções e, por este motivo, auxilia na definição da forma como o aluno vai agir frente à
situação pedagógica, nas interações com as pessoas envolvidas e com os objetivos de
aprendizagem.
90
Segundo Melchior (1994), uma possível classificação para os objetivos do domínio
afetivo nos seguintes níveis pode ser:
• Objetivos de acolhimento ou atenção: neste nível é desenvolvida a
sensibilidade do aluno à existência de certos fenômenos, criando nele a
necessidade de prestar atenção e perceber o exposto;
• Objetivo que evidencie a resposta ou reação do aluno: busca-se manter o aluno
motivado, para que ele possa, dentro das suas condições, dedicar-se ao assunto
com interesse, obtendo satisfação na execução da tarefa;
• Objetivo que conduza à valorização: com a participação ativa do aluno, o
assunto tende a ser valorizado;
• Objetivo de organização: neste nível, o aluno estrutura o conhecimento.
Refere-se à combinação de diferentes valores e aos comportamentos em que o
aluno compara, avalia, relaciona e sintetiza estes valores;
• Objetivos que conduzem a caracterização por um complexo de valores: neste
nível, os valores já estão incorporados e hierarquizados num sistema
internamente consistente; são estes valores que controlam o comportamento do
indivíduo.
A avaliação com foco nas atitudes do indivíduo se torna difícil, pois normalmente não
há uma correspondência exata entre o comportamento manifesto e o comportamento afetivo
que o determina. Apesar desse fator, é importante que, no ensino presencial, o professor
obtenha resultados da avaliação do aspecto afetivo para uma análise relativa ao uso de
determinados métodos e recursos de ensino, para buscar melhorar o desenvolvimento do
aluno.
Os resultados da avaliação das atitudes servem para favorecer o melhor conhecimento
das etapas de desenvolvimento do aluno, indicam o que deve ser feito para redirecionar a
caminhada e auxiliam o aluno a se auto-avaliar e a buscar alternativas para melhorar a sua
aprendizagem (MELCHIOR, 1994).
O domínio psicomotor: refere-se às habilidades e aos aspectos práticos específicos de
cada área envolvida no domínio que está sendo ensinado.
O domínio cognitivo: centrado no processo de medir a construção do saber, do
conhecimento, do indivíduo. Como a aprendizagem é afetada por inúmeros fatores internos e
externos do aprendiz, é interessante que haja certa sistematização do processo para uma ação
91
educativa mais eficaz. Os diferentes resultados registrados, teóricos e práticos devem ser
considerados no resultado final de uma avaliação.
5.6 Funções da Avaliação de Aprendizagem
Segundo Bartolomeis (1977), a avaliação da aprendizagem tem três funções principais:
a de prognóstico, medida e de diagnóstico.
No prognóstico, verifica-se se o aprendiz possui ou não qualidades e os conhecimentos
necessários para o curso, estimando-se o seu desempenho futuro.
Na função de medida, há o controle das aquisições, a avaliação do progresso do
aprendiz e a análise do desempenho do aprendiz em certos momentos e em diversas situações.
No diagnóstico, verifica-se quais as causas que impedem que a aprendizagem real
ocorra.
Cook (1976) afirma que a avaliação tem uma função energizante que se faz sentir no
momento em que o aluno visualiza os meios de atingir os objetivos propostos. O aluno sente-
se estimulado a trabalhar de forma produtiva quando percebe que:
(a) há uma finalidade no trabalho que o professor propõe;
(b) seus resultados são estudados juntamente com o professor; e
(c) seu desempenho é comparado consigo próprio e seus progressos e dificuldades
são vistos em função de seu próprio padrão de desenvolvimento, necessidade e
possibilidades.
Vallejo (1979) também apresenta uma conceituação das funções da avaliação que é
considerada bastante esclarecedora. Segundo o autor, a avaliação permite:
1. Clarificar os objetivos
Avaliar.. O quê?
São os objetivos realistas e avaliáveis?
2. Identificar os problemas
O cumprimento da função de “diagnóstico” da avaliação depende:
Da qualidade da avaliação;
De como é analisada;
Do procedimento perante os erros individuais;
Das soluções que se adotam perante os resultados.
92
3. Motivar e estimular aprendizes e professores
O êxito ou o fracasso nos exames depende:
Do que o aprendiz estuda;
Como o estuda;
Quando o estuda;
Do que o professor ensina;
Como o ensina.
4. Em geral, procura estimular o êxito, não o fracasso
Sugere novos métodos;
Que tipo de exercícios é necessário;
Que material didático se deve de utilizar;
Todo o método é uma hipótese de trabalho cuja validade aparece na
avaliação, ao comparar objetivos e resultados;
Coordena esforço;
Impõe objetivo comum;
Facilita o intercâmbio de métodos e a colaboração na confecção das
provas e de outros instrumentos da avaliação.
5. Contribui para
Previsão de resultados futuros;
Investigação (comparar métodos e grupos);
Supervisão dos professores.
No presente trabalho, as funções da avaliação de aprendizagem, denotadas nessa
seção, que devem ser ressaltadas são as relacionadas com a avaliação do progresso do
aprendiz e a análise do desempenho do aprendiz em determinados momentos e situações,
como relata Bartolomeis (1977). Esses são itens importantes no contexto de sistemas
educacionais para Web, principalmente no contexto dos SHA, já que estes devem utilizar o
desempenho do aprendiz para oferecer novas alternativas (de apresentação, organização e
abordagem de conteúdo), relacionadas com o domínio a ser aprendido.
Da abordagem apresentada por Cook (1976), é importante agregar o conceito
relacionado também com o desempenho do aluno. Cook (1976), diferente de Bartolomeis
(1977), salienta que o desempenho deve ser utilizado com um critério de comparação do
próprio aluno, ou seja, comparar o aluno consigo próprio, enfatizando seus progressos,
93
delimitando suas dificuldades, com base no seu próprio padrão de desenvolvimento,
necessidades e possibilidades.
Por fim, a pesquisa de Vallejo (1979) agrega valor ao trabalho aqui apresentado, pois
possui definições que permitem abordar aspectos relacionados a como e quando o aprendiz
estuda; além disso, ressalta que é função da avaliação sugerir novos tipos de exercícios e
materiais didáticos, a partir dos resultados obtidos. Essa última situação é a prática que ocorre
nos Sistemas Hipermídia Adaptativos, que devem adaptar o conteúdo, tanto teórico quanto
prático, às necessidades do aprendiz.
5.7 Passos da Avaliação de Aprendizagem
Segundo Silva (2004), de modo geral, os passos utilizados na avaliação da
aprendizagem são quatro:
1. Definir objetivos específicos e estabelecer o que se espera que os aprendizes
saibam fazer ao final de um curso. Muitas são as formas de definir um
objetivo; porém, o importante é que ele traduza a habilidade que se pretende
desenvolver no aprendiz. Estes devem ser explícitos em matéria de extensão e
profundidade. A extensão diz respeito ao conteúdo a ser trabalhado e a
profundidade diz respeito aos níveis de desempenho a serem atingidos,
orientando o professor na forma de condução do ensino e nas estratégias de
avaliação da aprendizagem;
2. Comparar objetivos específicos com os gerais é relacionar habilidades
específicas do ensino com as habilidades gerais pretendidas, em termos de
funções mentais e socialização. São, assim, harmonizados as habilidades e os
conteúdos de uma matéria com os do curso como um todo;
3. Fixar requisitos prévios é verificar os conhecimentos e as aptidões que o
aprendiz deve possuir para seguir o curso com bom aproveitamento. Essa
fixação não tem o significado de selecionar aprendizes. Pelo contrário, serve
para assegurar os requisitos prévios a quem não os possui;
4. Avaliar o produto ou resultado do ensino é verificar se o que se pretendeu foi
alcançado, com fins de melhoria das ações do professor e dos desempenhos
dos aprendizes.
94
5.8 Avaliação em Sistemas Web
Independente do enfoque ou do seu tipo, toda avaliação pressupõe a verificação de um
aprendizado, ou seja, pretende-se avaliar os conteúdos que foram aprendidos (ROQUE, 2007).
Porém, a avaliação não deve se limitar ao papel de medir a quantidade de informação que o
aprendiz possui. A avaliação deve, sim, extrapolar esses limites e verificar até que ponto vão a
capacidade e a disposição que o aprendiz possui para usar e comunicar a informação.
Tomando essa segunda abordagem, a avaliação tem como intuito fornecer ao professor dados
importantes sobre as aptidões, preferências, metas e dificuldades dos alunos e, além disso,
propiciar aos aprendizes a oportunidade de aprender, melhorar e refletir sobre o seu
desempenho.
Muitas pesquisas, entre elas: (CRISTEA, 2006), (MORAN, 2005), (ZAINA, 2005),
(CALDEIRA, 2004), (CRISTEA, 2003), (DE BRA, 2003), (STASH, 2003), (ZAINA, 2002),
(ARROYO, 2001), (BARIANI, 2000), (KIRKPATRIC, 1998), possuem como foco, a
avaliação de aprendizagem em cursos a distância baseados na Web. Em grande parte dos
casos, essas pesquisas buscam adaptar os modelos de avaliação existentes às novas
características dessa forma de ensino (ROQUE, 2007).
Nos tempos atuais a aplicação de métodos de avaliação tem sido cada vez mais
freqüente tanto nas corporações e empresas como na educação. O ensino a distância através
da Web tem, cada vez mais, se tornado parte integrante do contexto mundial de ensino.
Atualmente, universidades e empresas estão em busca de recursos e de conhecimentos para
utilizar esta nova forma de ensino com o objetivo de minimizar problemas de custos e de
distância entre participantes do evento educacional (ZAINA, 2002).
A verificação do processo de aprendizagem em um curso ministrado a distância através
da Web é uma tarefa difícil e trabalhosa. Acompanhar a evolução do aluno analisando os
conhecimentos assimilados é um dos desafios que os professores e os desenvolvedores de
ambientes virtuais de aprendizagem via Web devem transpor.
Diversas são as formas de acompanhar a trajetória do aluno pelo curso, considerando
desde um acompanhamento realizado através de exercícios propostos pelo professor, uso de
ferramentas disponíveis no ambiente (fórum, chat, mural) até a análise das páginas (ou
conceitos) acessadas pelo aprendiz. Os sistemas gerenciadores de cursos a distância podem
amenizar parte do problema, disponibilizando estatísticas de acompanhamento da evolução do
aprendiz, uma vez que os dados relativos aos acessos são armazenados em Banco de Dados.
95
Estes dados podem apresentar subsídios importantes, pois retratam o processo de
interatividade do aprendiz e podem ser encarados como um recurso importante para suprir a
distância que o professor muitas vezes tem dos aprendizes (MORAN, 2001), (ZAINA, 2001),
(ZAINA, 2005).
De acordo com Neder (1996), a avaliação de aprendizagem ou de desempenho do
aprendiz em cursos a distância exige considerações especiais por dois motivos: “primeiro, porque um dos objetivos fundamentais da educação a distância deve ser a de obter dos alunos não a capacidade de reproduzir idéias, informações ou pontos de vista críticos que lhes proporcione determinado material fornecido pelo professor ou, ainda, apenas uma perspectiva crítica frente a determinados conteúdos. O que deve importar realmente para um sistema de EaD é desenvolver a autonomia do aluno, frente a situações concretas que lhe sejam apresentadas. Segundo, porque num sistema de EaD, o aluno não conta com a presença física do professor. Por esta razão, é necessário desenvolver método de trabalho que oportunize sua confiança, possibilitando-lhe, não só o processo de elaboração de seus próprios juízos, mas também de desenvolvimento de sua capacidade de analisá-los.” (NEDER, 1996, p.4)
Nas pesquisas de Willis (1996), fica claro que a opinião do autor considera o ato de
avaliar como a ação de determinar quanto e quão bem os estudantes estão aprendendo. Para
ele, no ensino presencial, os professores utilizam expressões da linguagem facial e corporal,
observação das atitudes dos aprendizes e comentários realizados em sala como forma de uma
avaliação informal, ao passo que, na Internet, somente se verifica a avaliação formal.
Segundo Campos (2002), a “avaliação vai decorrer da capacidade de interação do
aprendiz com o professor, com o sistema, com o conteúdo a ser aprendido e, finalmente, vai
decorrer da motivação que as situações de aprendizagem conseguirem despertar”. Essas
situações devem ser ricas e devem levar ao desenvolvimento de diferentes habilidades
cognitivas.
Acompanhar a trajetória do aprendiz nos cursos a distância é uma das maiores
preocupações que se apresenta quando se desenvolve ambientes de EAD. Segundo Viccari et
al. (2001) “[..] na maioria dos ambientes ou cursos a distância disponíveis na Web, um dos problemas detectados é a falta de mecanismos que possibilitem o professor realizar um acompanhamento completo e abrangente das atividades dos aprendizes, diagnosticando o seu nível de conhecimento bem como seu ritmo de aprendizagem.” (VICCARI, 2001, p.2)
Essa preocupação motivou o surgimento dos sistemas de EaD com conceitos de
multiagentes, tutores inteligentes ou adaptabilidade de apresentação, conteúdo e navegação. A
96
proposta inicial para a utilização dessas tecnologias citadas é auxiliar no processo de
observação do comportamento do aluno, possibilitando um tratamento personalizado,
reproduzindo a avaliação informal que existe em cursos presenciais e traçando perfil dos
mesmos até para auxiliar o aprimoramento das avaliações formais nesses ambientes.
Para Fuks et al. (1998), observando o comportamento dos alunos durante seu processo
de interação com o ambiente, é possível verificar sua aquisição de conhecimento. Isso
permitirá a complementação dos processos de avaliação. A utilização de sistemas
multiagentes inteligentes, segundo o autor, “possibilita a implementação de um estilo
complementar de interação, chamado gerência indireta, no qual o computador se torna uma
entidade ativa, dotada de certo grau de autonomia e capaz de realizar tarefas que auxiliem o
usuário no desempenho de suas atividades, de acordo com seus interesses”.
De acordo com Silva (2001) e Otsuka (2003), os Sistemas Tutores Inteligentes (STI)
podem direcionar os estudos dos aprendizes, com base em plano de estudo proposto pelo
professor, ou considerando resultados de testes dos aprendizes. No escopo desta pesquisa, a
segunda indicação, guiar o aprendiz com base nos resultados de testes torna-se relevante. Esse
direcionamento é realizado com base nas análises dos resultados de avaliações impostas
durante o processo de aprendizagem, ou durante o processo de navegação no conteúdo. Os
tutores inteligentes ditos clássicos trabalham com apresentação progressiva dos conteúdos,
dividindo-o basicamente em três níveis: básico, intermediário e avançado. As avaliações que
ocorrem durante o processo de aprendizagem é que guiam os níveis de conteúdos para um
determinado aprendiz. Durante o percurso no ambiente, o tutor inteligente deve fornecer o
conteúdo (textos, atividades, leituras complementares) de acordo com conhecimentos e
motivações que o aprendiz sinaliza, para auxiliá-lo no processo de aprendizagem.
Uma terceira forma de garantir computacionalmente que a avaliação e seus resultados
sejam utilizados para beneficiar o aprendiz em sistemas de EaD são os ambientes hipermídia
adaptativos. Esses ambientes são considerados uma evolução natural dos tutores inteligentes
(PALAZZO, 2004), pois abarcam características de tutoria durante a utilização do sistema
com técnicas mais elaboradas para adaptação do conteúdo, da apresentação e da navegação, já
discutidas no capítulo 4 do presente documento. Os ambientes que utilizam esse tipo de
tecnologia podem fornecer adaptação de conteúdo, apresentação e navegação, pois utilizam
conceitos de Inteligência Artificial, assim como os agentes inteligentes, a fim de prover
adaptação no domínio de conhecimento a ser explorado. Isso ocorre para personalizar o
ambiente de acordo com as características, motivações, preferências e metas do aprendiz.
97
Além disso, esse tipo de tecnologia permite um alto grau de interatividade entre os aprendizes
e o próprio ambiente (DE BRA, 2003), (CRISTEA, 2006).
Outra opção para a avaliação de desempenho nos cursos a distância é o uso de
portfólios. Segundo Gardner (apud MOULIN, 2001), portfólio é “um local para colecionar
todos os passos percorridos pelo aluno ao longo da trajetória de sua aprendizagem”. De
acordo com Moulin (2001), o portfólio representa uma pasta individual na qual os alunos
podem colecionar, além de suas provas e seus trabalhos, o registro de suas reflexões e
impressões sobre o curso, opiniões, dúvidas, dificuldades, reações aos conteúdos e textos
indicados, às técnicas de ensino, sentimentos, relatos de situações vividas, entre outras. Os
dados armazenados no portfólio são a base tanto para a avaliação do aluno como também de
todo o processo de ensino. Para o autor, “a análise do conteúdo do portfólio fornece
informações que permitem ao docente traçar o perfil do aluno em termos de interesse, de
habilidades e capacidade desenvolvidas e por desenvolver” durante o curso. Na análise, deve-
se considerar a coletânea de dados como um todo, fazendo “predominar as funções
diagnósticas e formativas, abandonando a concepção de avaliação quantitativa”. O mesmo
autor sugere que o portfólio seja utilizado no ensino a distância para oportunizar a
individualização do ensino, promovendo a avaliação continuada, auxiliando a auto-avaliação
ou apoiando o professor nas decisões relativas à avaliação, entre outras.
Diante dessas alternativas, pode-se considerar que as formas de implementação de
avaliação em sistemas Web, ou sistemas de EaD, procuram considerar os aspectos
pedagógicos, cognitivos e tecnológicos com a finalidade de tornar os resultados da avaliação
de aprendizagem úteis tanto para o ambiente como também para o aprendiz.
Geralmente, o sistema de ensino-aprendizagem tradicional prioriza a transmissão de
informações e imagens mediante definições que devem ser memorizadas de forma
progressiva. As tecnologias acima citadas procuram, cada qual com suas particularidades e
artifícios, minimizar a perspectiva de considerar o ambiente um mero transmissor de
conteúdo. A avaliação em sistemas Web deve ser considerada como um momento integrado
ao processo de aprendizagem e não como um momento determinado e separado do processo
de aprendizagem. A idéia de determinar uma data para a aplicação do instrumento de
avaliação ainda pode ser considerada nos sistemas de EaD, mas é importante aliar essa
iniciativa com as considerações que podem ser extraídas durante o processo de utilização do
ambiente pelo aprendiz. Da mesma forma que no ensino presencial, a avaliação pode ser
98
realizada a partir de instrumentos que mensurem o conhecimento adquirido pelo aprendiz em
determinados pontos ou períodos.
A avaliação nesse novo contexto do EaD deve seguir medindo o percurso de
aprendizagem. Devem ser considerados os conteúdos aprendidos, bem como o
comportamento ou as alterações no comportamento do aprendiz. A solução de como avaliar
comportamento parece estar em uma estrutura capaz de sinalizar a evolução do aprendiz em
ganhos comportamentais, os quais não dizem respeito apenas à interação consigo mesmo e
com os outros, mas também abordam habilidades. Para isso, é necessário permitir que cada
aprendiz escolha um caminho para alcançar domínio e proficiência em conteúdos e, então, é
necessário utilizar a avaliação como um mecanismo de sinalização, apontando quais atributos
foram desenvolvidos ou estão em desenvolvimento no aprendiz, à medida que ele avança na
sua caminhada (SILVA, 2004). O mapeamento de inteligências múltiplas de Gardner (1978)
sustenta diferentes habilidades em diferentes indivíduos. Segundo Silva (2004), uma
avaliação que busca ser sensível a essas características pode encontrar apoio no mapeamento
de inteligências proposto por ele.
Outra pesquisa que, além de citar, utiliza a teoria das inteligências múltiplas de Gardner
é a de Bugay (2006). A pesquisa também aborda a teoria das inteligências múltiplas de
Gardner e seus aspectos relativos à avaliação de aprendizagem, supracitados por Silva (2004).
Nesta pesquisa (BUGAY, 2006), é feita a convergência dos conceitos inerentes à teoria de
Gardner com os conceitos e técnicas particulares dos ambientes hipermídia adaptativos. A
teoria de inteligências múltiplas de Gardner é utilizada como motor de inferência para a
adaptação do ambiente hipermídia. Segundo Bugay (2006, p. 104), “esse modelo de adaptação seleciona o conteúdo a ser apresentado levando em conta o conhecimento do usuário sobre o assunto (como os demais sistemas existentes) e utilizando também o desenvolvimento da suas inteligências (de acordo com Gardner (1978)) para influir na adaptação, de modo que o aprendizado ocorra de acordo com as necessidades deste usuário.”
Nota-se, portanto, que, independente da tecnologia adotada para dar suporte à
avaliação de aprendizagem, o resultado final dessa aplicação é criar um instrumento capaz de
auxiliar e guiar o aprendiz, e também o professor, no processo de aprendizagem via Web.
Silva (2004) indica que é preciso contar com bases estáveis para uma não mais mera
avaliação, mas uma estrutura de avaliação.
Essa estrutura pode ser provida e suportada no ensino via Web por ambientes
hipermídia adaptativos, já que estes permitem avaliações de aprendizagem em diferentes
99
domínios de conhecimento, pois possuem uma arquitetura que contempla um modelo de
domínio que deve ser integrado aos demais modelos que definem o ambiente. Esses modelos
foram apresentados e discutidos no capítulo 3 do presente documento.
De acordo com Silva (2004), um processo de avaliação tem dupla natureza: a
estrutural e a dinâmica. Como o objetivo é a concepção de uma estrutura computacional para
prover avaliação de conhecimentos e habilidades, as seções seguintes deste capítulo abordarão
diferentes sistemas ou ferramentas Web e suas formas de aplicação no processo de avaliação
de aprendizagem.
5.9 Seleção de Sistemas e Ferramentas Web
Esta seção apresenta o estudo de algumas ferramentas e sistemas Web, como:
Webeduc (OTSUKA, 2005), AulaNet (FUCKS, 1998), AHA! (DE BRA, 2003) e MOT
(CRISTEA, 2006), pois são alguns dos que adotam estratégias para a avaliação de
aprendizagem em ensino na modalidade a distância. A pesquisa apresenta as descrições das
ferramentas e seu papel no ambiente de ensino em que está inserida, bem com suas
características listadas na literatura. Além disso, foram considerados alguns requisitos que se
fazem relevantes no contexto da presente pesquisa. Alguns dos pontos considerados são:
processo de autoria de instrumentos para a avaliação de aprendizagem, aspectos de
implementação da ferramenta e possibilidade de reuso dos instrumentos de avaliação.
5.9.1 Webeduc
A ferramenta Webeduc foi desenvolvida pelo CINTED (Centro Interdisciplinar de
Novas Tecnologias na Educação) da Universidade Federal do Rio Grande do Sul. Ao projetar
o Webeduc (OTSUKA, 2002), (OTSUKA, 2005), a equipe objetivou a ampliação do TelEduc
(OTSUKA, 2006), agregando-lhe facilidades que possibilitassem aos professores elaborarem
avaliações formativas e aplicá-las aos aprendizes, propiciando, assim, a verificação de seu
rendimento. Além disso, o objetivo buscado com sua implantação foi fornecer uma alternativa
para a geração de conjuntos de exercícios que se somam às diversas ferramentas oferecidas no
TelEduc (OTSUKA, 2006) e que podem ser utilizados pelos aprendizes para obter um melhor
acompanhamento do seu rendimento, com base no resultado das avaliações e em observações
inseridas pelo formador.
100
O TelEduc, Ambiente Virtual de Aprendizagem escolhido para integrar o Webeduc,
possui uma série de recursos que permite ao professor ou monitor avaliar a participação do
aprendiz nas atividades propostas, sejam elas colaborativas ou não. Porém, o ambiente não
possuía uma ferramenta de avaliação de aprendizado. O Webeduc veio preencher esta lacuna.
A ferramenta foi desenvolvida com a filosofia de ser um software livre,3 sendo
utilizada para a implementação dessa ferramenta a linguagem PHP associada ao gerenciador
de banco de dados MySQL. Acompanhando a filosofia do TelEduc, o Webeduc possui dois
ambientes: o do formador (professor ou tutor) e o do aluno, ou aprendiz. Vale salientar que as
designações “formador e aluno” serão utilizadas na presente seção para que os textos sejam
coerentes com os dos autores.
O ambiente do formador permite cadastrar questões, visualizar as questões
cadastradas, questões por tipo de avaliação, visualizar avaliações e cadastrar gabarito.
O ambiente do aluno permite acessar as avaliações disponibilizadas e a correção da
avaliação. Segundo Otsuka (2006), a correção propicia um feedback ao aluno, permitindo que
ele consulte suas respostas em determinada avaliação, verificando quais questões acertou ou
não e tendo acesso ao gabarito, para que ele possa aprender com seus erros. A primeira versão
do Webeduc possui quatro tipos de questões: dissertativas, de múltipla escolha, de relacionar
colunas e questões tipo “verdadeiro ou falso”.
A correção é exibida por questões em cada avaliação. As questões classificadas como
dissertativas não possuem o chamado gabarito; elas devem ser analisadas individualmente
pelo formador, que deve ser responsável por disponibilizar a correção posteriormente. As
demais categorias de questões são corrigidas automaticamente com base neste gabarito pré-
cadastrado na ferramenta.
No WebEduc, as visões do professor e dos alunos são diferentes em relação à
ferramenta de avaliação. Os alunos têm permissão apenas para acessar os links avaliação e
correção. Já o professor tem acesso ao conjunto completo de opções para o gerenciamento das
avaliações, tendo acesso aos links: cadastrar questões, visualizar questões cadastradas,
questões por avaliação, visualizar avaliação, cadastrar gabarito e verificar respostas.
3 Qualquer programa de computador que pode ser usado, copiado, estudado, modificado e redistribuído sem nenhuma restrição.
101
5.9.2 AulaNet
Desenvolvido pelo LES – Laboratório de Engenharia de Software da Pontifícia
Universidade Católica do Rio de Janeiro, o AulaNet (FUCKS, 1998) é considerado um
ambiente no qual o professor projeta o seu curso tendo a possibilidade de utilizar mecanismos
de cooperação, comunicação e coordenação. Dados os instrumentos, o professor pode
elaborar o seu material instrucional e apresentá-lo no ambiente em forma de aulas para os
aprendizes.
É um ambiente dito versátil que pode ser empregado de diversas formas: como
servidor de conteúdo e de administração de cursos a distância; como estrutura para
treinamento a distância em corporações; como auxiliar no ensino presencial, etc.
O projeto do AulaNet está orientado para a aprendizagem a distância segundo o
paradigma de Groupware (CSCW – Computer Supportede Cooperative Work), que prevê o
uso de mecanismos de coordenação, cooperação e comunicação (FUCKS, 2003). Ainda
segundo Fucks (2003), o Groupware é mais bem implementado utilizando uma arquitetura
baseada em componentes. Os autores optaram por implementar a versão recente do AulaNet
em Java, usando o padrão de arquitetura baseado em J2EE.
Na primeira versão do AulaNet foi disponibilizada uma customização do Quest4
(NOYA, 1998). A temática avaliação tem sido uma constante na evolução e no
aperfeiçoamento do AulaNet. Dada a característica de ser cooperativo e colaborativo, a
avaliação de aprendizagem não se torna trivial no AulaNet. Não é mais suficiente, neste
ambiente, um sistema de avaliação que resulta em um número para estimar a aprendizagem
efetiva de um aprendiz. É preciso, portanto, nesse novo modelo, estimar a qualidade do
processo de aprendizagem, o comportamento do aprendiz enquanto aprende e o quanto o
aprendiz ganha ao construir o conhecimento de forma cooperativa (SILVA, 2004).
Em ambientes de aprendizagem na Web, a avaliação de conhecimentos adquiridos, ou
avaliação de aprendizagem, requer a possibilidade de utilização de diversos instrumentos de
avaliação. No caso do AulaNet, isso é uma realidade. Além da necessidade de recursos de
avaliação individual, há ainda que se considerar as facetas do aprendizado cooperativo.
A questão da avaliação individual é solucionada como nos demais sistemas, adotando
instrumentos de avaliação considerados ‘clássicos’ no ensino a distância. O AulaNet
disponibiliza questões de múltipla escolha (do tipo cinco opções de respostas), de verdadeiro
ou falso e, ainda, de completar lacunas. Essas opções também foram vistas no Webeduc,
102
supracitado no presente capítulo. Assim como no Webeduc, o AulaNet também disponibiliza
questões dissertativas ou discursivas.
As contribuições efetivas do ambiente AulaNet para a área de avaliação em ambientes
Web se caracterizam pelo modelo de avaliação para chat. Neste modelo, um aprendiz é
avaliado com base na qualidade do seu desempenho. O chat deve ser avaliado levando em
consideração uma relativa não-linearidade.
Os autores percebem que a qualidade da participação de um aprendiz não é
necessariamente definida pela quantidade de mensagens de uns ou pela “laconicidade” de
outros. Foram, então, estabelecidos três tipos de avaliação (FUCKS, 2003): a) em função da
quantidade absoluta de mensagens; b) em função da qualidade relativa de mensagens; c) em
função da quantidade ponderada de mensagens.
Esse processo deve ser considerado após o chat ser realizado. O avaliador, para aferir
a qualidade de cada mensagem enviada pelo chat, inspeciona-as e, então, lhes atribui um
valor, utilizando uma escala disponível. Esse processo é realizado por meio de uma interface
construída para fornecer um instrumento de apoio ao avaliador. Assim, um grau é computado
e disponibilizado ao aprendiz como resultado da avaliação, segundo um dos critérios descritos
anteriormente. Uma questão ainda a considerar é que cada chat é um mecanismos particular,
onde os aprendizes comparecem com um determinado estado de espírito, com uma
determinada disposição e isso claramente influencia o discurso deles. Portanto, os três tipos de
base de avaliação acima representam projeções do desempenho do aprendiz, num dado
momento do tempo, segundo um dado estado de consciência.
Não há dúvida que os critérios propostos constituem uma forma de avaliar um chat
(SILVA, 2004). Porém, as pesquisas nesse sentido devem prosseguir para que critérios,
parâmetros e implementações adotados sejam cada vez mais efetivos na função de avaliar
(BARRETO, 2005), (PIMENTEL, 2005), (PIMENTEL, 2006), (FILIPPO, 2006). 5.9.3 AHA!
O AHA! iniciou as pesquisas e implementações na área de testes adaptativos. Como o
ambiente AHA! é considerado adaptativo, os testes que são desenvolvidos em sua ferramenta
de autoria também são ditos adaptativos (ROMERO, 2004). A presente seção descreve a
concepção do conceito de teste adaptativo, bem como a sistemática para sua criação no
ambiente AHA! via ferramenta de autoria.
4 Customização da Ferramenta de Avaliação do Webduc.
103
Os testes ou quizes são os mecanismos mais utilizados e desenvolvidos em
ferramentas para ensino via Web (BRUSILOVSKY, 1999). Na maioria das implementações e
ambientes, como citado nas seções anteriores deste capítulo, existem diferentes tipos de testes
e, dependendo dos tipos das questões requeridas (sim/não, múltipla escolha, resposta simples,
preenchimento de opções, entre outras), existem dois tipos de algoritmos de controle para
essas ocasiões. Eles são ditos adaptativos ou clássicos (ROMERO, 2004).
Um teste é considerado clássico quando é uma seqüência de questões e cada questão
pode ser avaliada como correta, incorreta ou incompleta. Normalmente, o mesmo tipo de
questão é utilizado em todos os exames e o score final depende do número de respostas
corretas. Um teste é considerado adaptativo (ARROYO, 2001) quando é um teste baseado em
computador que trabalha com a decisão de apresentação de uma questão ou item de forma
dinâmica, dependendo do andamento do aprendiz e de sua performance nas respostas
anteriores. A vantagem de testes adaptativos é que esse acompanhamento e a inserção de
conceitos de adaptabilidade permitem que cada aprendiz receba questões diferentes e até
mesmo o número de questões pode ser diferente e, em alguns casos, menor do que o número
de questões de um teste dito clássico.
Para facilitar a criação e a manutenção de testes tanto clássicos como adaptativos
utilizados no ambiente AHA!, foi desenvolvida uma ferramenta de autoria para testes em
ambientes Web. A facilidade de integrar essa ferramenta de autoria ao AHA! (DE BRA, 2003)
se deve ao fato de o ambiente possuir uma arquitetura compatível com a ferramenta de autoria
proposta para testes baseados na Web, pois as duas implementações utilizam XML como base.
O ciclo de vida especificado para os testes é apresentado na figura 28
Figura 28. Ciclo de Vida para Testes baseados na Web. Fonte: Romero (2004).
O primeiro passo especificado no ciclo de vida é selecionar os conceitos que devem
ser avaliados. No AHA! pode ser utilizado o editor de conceitos (DE BRA, 2003) para criar e
selecionar esses conceitos. O segundo passo é a construção dos itens do teste. Cada item do
teste é uma questão relacionada a um conceito teórico (definidos no passo um da figura 28). O
passo três é a criação do arquivo de testes, que será composto dos itens especificados no passo
Conceitos a serem
avaliados
Itens para criação
do Teste
Criação do arquivo de
Teste
Execução do
Teste
Manutenção
104
dois. Esse arquivo consiste em alguns parâmetros, como: tipo do teste, número de questões,
entre outros. Então, no passo quatro, os testes são publicados e podem ser aplicados aos
aprendizes. Esse é o passo de execução. O último passo é o da manutenção, que permite ao
editor do teste modificar alguns exemplos ou editar questões e alternativas que possam ser
aprimoradas (ROMERO, 2004).
A ferramenta de autoria de Testes tem integração com o modelo de usuário e o modelo
de adaptação (ROMERO, 2005). Os testes realizados e seus resultados são armazenados no
modelo de usuário, pois fazem parte do conjunto de informações relativas ao aprendiz. Além
disso, esses dados são importantes para o modelo de adaptação, que os utiliza para prover a
adaptação dos conteúdos que devem ser disponibilizados ao aprendiz. É importante frisar que
os testes adaptativos, que devem ter seus itens ou questões adaptados ao aproveitamento do
usuário, também fornecem e utilizam informações do modelo de adaptação (ROMERO,
2005).
O algoritmo da criação de testes é responsável tanto pelos testes clássicos como pelos
adaptativos (para questões de múltipla escolha). Como dito anteriormente, um teste clássico é
uma seqüência de questões simples e normalmente utiliza o mesmo conjunto de questões para
todos os aprendizes que realizam sua avaliação de aprendizagem (ROMERO, 2006).
O algoritmo que controla a execução de testes clássicos é simples: ele mostra a
seqüência de questões até que não existam mais questões ou até que o aprendiz utilize o
tempo máximo permitido (ROMERO, 2006). Por outro lado, o CBT (Computer-based Test)
toma decisões sobre como apresentar uma questão, ou item, ou como terminar um teste. Essas
duas situações são dependentes da performance do aprendiz que realiza o teste. O algoritmo
genérico de testes adaptativos pode ser visto na figura 29.
Ele consiste em três procedimentos: seleção da questão, baseada nas informações
existentes no modelo de usuário sobre cada aprendiz; estimativa de aproveitamento de cada
estudante; e checagem dos critérios de finalização (número máximo de questões, tempo
máximo despendido ou nível de aproveitamento).
105
Figura 29. Algoritmo de controle de testes adaptativos. Fonte: Romero (2006).
Quando um aprendiz inicia um teste (clicando no link de teste), a ferramenta conecta
com o servidor para obter todas as informações sobre o teste e verificar se o aprendiz possui
permissão para realizar o teste (ou repeti-lo). Se existirem informações iniciais sobre o
aprendiz, então a ferramenta as mostrará e iniciará o processo de exibição das questões. O
aprendiz deve selecionar qual a questão correta (pode existir mais do que uma questão
correta) e, então, pressionar o botão que indica ‘Questão correta’. Isso deve ocorrer dentro de
um tempo máximo determinado anteriormente pelo autor do teste. O estudante pode verificar
se a sua submissão está correta ou incorreta, se o autor tiver habilitado este parâmetro no
momento do desenvolvimento do teste. Finalmente, após o estudante enviar a resposta da
última questão, ele verá seu score total e o tempo que foi gasto para realizar essa tarefa. 5.9.4 MOT
O MOT é um sistema de autoria para sistemas hipermídias adaptativos, desenvolvido
no Centro Tecnológico da Universidade de Eindhoven (BRUSILOVSKY, 2002). É um
sistema de autoria direcionado especialmente para a construção de cursos adaptativos on-line.
O MOT é baseado em dois frameworks:
• Um, para sistemas de autoria hipermídia adaptativo chamado LAOS
(CRISTEA, 2003) que, por sua vez, foi baseado no AHAM (WU, 2003)
(modelo de referência utilizado como base para o sistema AHA!, descrito na
seção anterior do presente capítulo);
• Outro, integrado ao modelo de camadas para funcionalidades adaptativas,
denominado LAG (CRISTEA, 2003b).
Apresentação do 1º item
Examinar Resposta
Nova estimativa de Aproveitamento
Fim? Fim da estimativa de Aproveitamento
Seleção e apresentação do
próximo item
106
Assim como o LAOS (CRISTEA, 2003), o MOT apresenta um modelo de domínio na
forma de mapa conceitual, construído com base em uma série de atributos. Esta é a parte do
sistema de autoria que contém os recursos de aprendizagem. A segunda parte utilizada do
LAOS é o modelo de metas, que está organizado em forma de lições. Esta é a parte do sistema
que contém o material instrucional.
Além desses dois modelos, o MOT utiliza o modelo de adaptação, proveniente do
LAG, com três possíveis níveis de adaptação. O modelo de adaptação utiliza as seguintes
estruturas: técnicas de adaptação, adaptação de linguagem e estratégias de adaptação.
Ao utilizar o MOT, os estudantes são expostos a alguns procedimentos de avaliação
(CRISTEA, 2004):
1. Pré-teste adaptativo;
2. Pré-questionário adaptativo;
3. Teste posterior na hipermídia (no MOT chamado de exame);
4. Questionário posterior.
Todos os estudantes possuem suas metas individuais durante a utilização da
hipermídia adaptativa. Existe permissão para trabalhos em grupo; porém, as entradas das
avaliações supracitadas devem ocorrer de maneira individual. As pesquisas do MOT
salientam que o aluno é alertado, desde o início da utilização do sistema, de que suas
avaliações consideradas negativas não afetarão seu andamento, mas podem interferir nas
considerações sobre os resultados de suas avaliações.
Os questionários desenvolvidos possuem suas questões sobre o domínio de
conhecimento que devem ser respondidas pelos alunos. Além disso, cada questionário possui,
para cada uma de suas questões, um mapeamento dado pela escala de Likert, quantificado em
uma escala de 0 a 10. Essa escala tem o intuito de mensurar a indicação do avaliado com
relação à sua concordância ou discordância das respostas emitidas. São atribuídos valores
numéricos ou sinais às respostas, para refletir a força e a direção da reação do entrevistado
(avaliador) à declaração. As declarações de concordância (aprovação) devem receber valores
positivos, ou altos, enquanto as declarações das quais discordam (reprovação) devem receber
valores negativos, ou baixos (BAKER, 2002).
As questões respondidas pelos alunos são avaliadas com base em conceitos como
significância, desvio padrão e correlação das respostas. Finalmente, com as avaliações, o
MOT analisa as estratégias de criação de conteúdos e os procedimentos de adaptabilidade que
o aluno utilizou para responder suas avaliações. Com relação aos procedimentos de
107
adaptabilidade e conteúdos, são analisados os seguintes requisitos: tempo que o aluno levou
para se familiarizar com o sistema, flexibilidade do sistema, facilidade de expressão do aluno
durante a utilização e tempo necessário para responder as questões, entre outros.
Também são considerados como fator importante para a análise do resultado das
avaliações o mapa conceitual do aluno e suas respectivas lições (coerentes com as metas do
aluno).
Considerando o modelo do usuário e seu mapa de conceitos, os resultados das
avaliações realizadas com base nos questionários e testes são úteis para as estratégias de
adaptação do sistema. O modelo de estratégias de adaptação verifica quais exercícios,
provenientes de um determinado conceito, foram resolvidos ou não (são exibidos hints para
auxiliar o aluno a responder as questões) (CRISTEA, 2006).
O desempenho do estudante também é aplicado no momento de ordenar as lições;
porém, essa ordem pode ser alterada pelo professor, autor do curso ou disciplina. Em
determinados casos, é possível que o professor, além de alterar a ordem de lições, determine
um esquema de pré-requisitos entre as lições. Podem ser inseridos operadores de conjunção
ou disjunção de conceitos (CRISTEA, 2004).
Nota-se, portanto, que a proposta, no MOT, baseia-se em dois momentos de testes e
questionários, denominados pré e pós-teste ou questionário. O pré-teste é realizado ao iniciar
as atividades no sistema e serve de base para o início da construção do modelo do aluno, bem
como do seu mapa conceitual. Ao final de cada lição, os pós-testes são utilizados para
atualizar o modelo do aluno e o seu mapa conceitual. Todos os resultados obtidos nesses
procedimentos devem alimentar o modelo de estratégias de adaptação.
5.10 Conclusões sobre Avaliação de Aprendizagem em Ensino a Distância
Os primeiros modelos de avaliação em sistemas EaD tomaram como base a concepção
das teorias comportamentalistas e tecnicistas da década de 60. Assim, foram desenvolvidas
muitas das ferramentas de avaliação dos ambientes digitais de aprendizagem disponíveis na
atualidade (CALDEIRA, 2004). A predominância de instrumentos de verificação quantitativa
de aprendizagem nesses ambientes reflete, no fundo, a concepção mecanicista de avaliação:
testes de múltipla escolha, ferramentas de verificação quantitativa da participação e de
acessos, etc.
108
Com o intuito de reestruturar a avaliação de aprendizagem dentro dos sistemas de
educação a distância, alguns autores voltaram a utilizar os conceitos apresentados por Bloom
(1971), sem moldá-los, porém, às novas necessidades dos modelos a distância. O conceito de
avaliação formativa não é restrito apenas ao de avaliação contínua; ela deve utilizar métodos
de avaliação baseados em performances caracterizadas pelo emprego de tarefas significativas
aplicadas à vida real do aluno (NELSON, 1998).
A maioria dos ambientes de aprendizagem digitais trabalha com ferramentas que
privilegiam utilização da avaliação como verificação de conhecimentos (testes de múltipla
escolha, por exemplo), junto com ferramentas que potencializam a avaliação a partir dos
processos de interação social (chats e fóruns) (CALDEIRA, 2004). Os professores incluem,
em seus cursos, ferramentas de comunicação e interação, mas não conseguem abrir mão dos
instrumentos tradicionais de avaliação, preocupados com a composição da nota final.
A preocupação em avaliar a participação de alunos em chats e fóruns explicita bem
essa questão (CALDEIRA, 2004; FUCKS, 2001). Diversos autores (LOPES, 2007), (LEÃO,
2006), (CAMPOS, 2002), (MOULIN, 2002), (FUCKS, 2001), (GOMEZ, 1999) chegam a
propor categorias para classificar a participação dos alunos, criando até mesmo um coeficiente
de participação para avaliar as interações on-line, a partir da combinação de diversos critérios
qualitativos e quantitativos. A partir desse coeficiente, poder-se-ia compor a nota final do
aluno, de uma forma objetiva. Apesar do progresso tecnológico e da disseminação dos
pressupostos construtivistas, muitas das ações não deixaram de lado o princípio do “verificar
e medir”.
Desta categorização pode se passar facilmente à classificação e hierarquização dos
alunos que utilizam o ambiente, ou ferramenta. Estes sistemas inferem o perfil do aprendiz e,
então, passam a propor variações de textos, exercícios ou atividades complementares, com
base no cômputo de acertos e erros (VANZIN, 2005).
A maioria dos trabalhos sobre avaliação formativa e EaD possuem uma abordagem
quantitativa, mais preocupada em contar quantas interações o aluno realizou, não
considerando a qualidade dessas interações.
Os trabalhos que tratam da natureza das interações do aluno e que adotam uma análise
qualitativa das mesmas são poucos. Um trabalho relevante neste sentido é o de Henri (1992),
que formulou um modelo de análise baseado em habilidades cognitivas utilizadas nas
discussões: participativa, social, interativa, e metacognitiva. Através dessas categorias, a
109
autora propõe um modelo que pode verificar a presença ou ausência de aprendizagem, mas
não apresenta nada que possa qualificar o nível ou natureza das aprendizagens.
Mason (1991) propõe outro modelo que qualifica seis tipos básicos de intervenções:
uso de experiência pessoal relacionada ao tema dos cursos, referência a fontes
complementares das propostas nos cursos, comentários às opiniões de colegas e tutores,
introdução de novos assuntos a serem discutidos, estudantes propondo questões ao grupo e
tutores mediando as discussões.
No trabalho de Web, Newman & Cochrane (1995) desenvolveram um método para
análise do conteúdo de fóruns baseados nas categorias: relevância, inovação, utilização de
fontes externas, ambigüidades, associação de idéias, justificação, avaliação crítica, utilidade
prática e amplitude do conhecimento, propondo inclusive um padrão para estabelecer o nível
de aprendizagem a partir dessas categorias.
De acordo com Bullen (1997), estes estudos indicam diferentes formas de categorizar
a participação dos alunos, utilizando diferentes critérios. Entretanto, nenhum deles especifica
o que deve ser considerado ou não para avaliar ou qualificar a participação do aluno no
processo de aprendizagem. Desta forma, não oferecem referenciais para incorporar a
avaliação utilizando as interações dos alunos.
Segundo Vanzin (2005), deve-se abordar e tratar de forma plena os erros de
conhecimento ou os casos em que houve acerto parcial, resultado de lapsos, deslizes,
inconsistências ou ignorância parcial, já que estes constituem parte do processo de
aprendizagem natural do ser humano desde a sua infância. Em seu trabalho, esta proposta é
abordada sob a ótica da Cognição Situada.
É possível notar, portanto, que todo processo de avaliação pressupõe a aferição de um
aprendizado. Na realidade, preocupa-se com a avaliação do que foi aprendido; porém, a
avaliação não deve se restringir a determinar a quantidade de informações que o apreendente
possui, mas até que ponto vai sua capacidade e disposição para utilizar e comunicar esta
informação. Desse modo, o papel da avaliação é o de fornecer ao professor e ao ambiente
virtual de aprendizagem, seja ele adaptativo ou não, dados importantes a respeito das
aptidões, preferências e dificuldades dos alunos, e, ainda, gerar nos alunos a oportunidade de
aprender, melhorar e refletir sobre o seu desempenho.
A avaliação de aprendizagem em cursos a distância baseados na Web tem sido foco de
muitas pesquisas que buscam adaptar os modelos de avaliação existentes às novas
características dessa forma de ensino (GAIO, 2007, LOPES, 2007, LEÃO, 2006, MÁXIMO,
110
2006, CALDEIRA, 2004, FUCKS, 2004, CAMPOS, 2002, MOULIN, 2002, FUCKS, 2001,
GOMEZ, 1999).
Cabe lembrar que o processo de avaliação da aprendizagem do aluno possui, de forma
subjacente, uma abordagem de estratégia de aprendizagem e estilo cognitivo. Portanto, antes
de se decidir por um ou outro instrumento de avaliação, um ou outro critério de avaliação, é
preciso definir essas abordagens.
O próximo capítulo apresenta como foram utilizados, no modelo RHA, os mecanismos
de avaliação de aprendizagem discutidos no capítulo 5.
111
6 Modelo Proposto – RHA
Os modelos de referência para Sistemas Hipermídia Adaptativos consideram módulos
clássicos que advêm dos Tutores Inteligentes. Esses módulos são: modelo de usuário, modelo
de domínio e modelo de ensino. Para prover a adaptabilidade, os modelos de referência de
SHA possuem, ainda, o modelo adaptabilidade.
Entre os modelos de referência atuais, podem-se citar o Munich e o AHAM, que
sistematizam a avaliação de aprendizagem, porém não a interligam ao perfil cognitivo do
usuário.
O objetivo central do Munich é apresentar um modelo de referência para SHA,
constituído na base da UWE. Apesar de ter na arquitetura semelhanças com o Dexter e
também com o AHAM, estende algumas importantes funcionalidades adaptativas no modelo
de armazenamento, tais como (KOCH, 200):
• O hipertexto do modelo Dexter representa o domínio na abordagem do Munich;
• Os componentes não estão relacionados unicamente de forma navegacional (links),
mas, também, por meio de relacionamentos conceituais, como “parte de”, “pré-requisito”,
“inibidor de”, “variante de” e “na mesma página”;
• O modelo de domínio modela o nível conceitual, a aplicação e a representação da
hipermídia;
• O modelo de usuário e o modelo de adaptação fazem parte da camada Storage;
• O modelo de usuário inclui um gerenciamento de usuário e um modelo específico
para cada usuário composto de pares “atributo-valor”;
• Os atributos são classificados em dependentes e independentes do domínio;
• O modelo de adaptação é definido por um grupo de regras que representam o núcleo
da funcionalidade adaptativa;
• As regras são classificadas em regras de construção, regras de aquisição e regras de
adaptação (conteúdo, link e apresentação);
• O modelo de adaptação também modela o comportamento do usuário (navegação,
entrada de dados e inatividade);
• A camada Run-time cria a instâncias das páginas.
Por essas características, o Munich foi escolhido como modelo de referência para a
base desta pesquisa.
112
É importante ressaltar que, atualmente, os sistemas hipermídia adaptativos se
apropriam de ferramentas encontradas nos diversos Ambientes Virtuais de Aprendizagem
(AVA). O modelo de Munich, assim como o AHAM! e o MOT, não pressupõe diretrizes,
referências e indicações para construção de AVA adaptativos, pois não contempla ferramentas
de comunicação/interação como bate-papo, fórum, mural, wiki, quiz, tarefas (entre outras) que
são corriqueiras nos AVA, já exploradas no Capítulo 4 dessa pesquisa.
Para complementar a construção do modelo RHA, serão considerados os aspectos
existentes no Munich, a inclusão de dimensões de estilos cognitivos, bem como a associação
desses elementos em avaliações de aprendizagem realizadas por meio de ferramentas clássicas
existentes nos AVA atuais.
A proposta da presente pesquisa é criar mecanismos para que os resultados das
avaliações de aprendizagem gerem informações válidas, para serem utilizadas em conjunto
com as informações do perfil cognitivo do usuário para, assim, retroalimentarem o modelo,
proporcionando adaptação mais específica. Esses resultados indicarão novas formas de
adaptação do conteúdo, da navegação e da apresentação.
6.1 Considerações sobre o Modelo de Munich
O modelo de Munich, proposto por Nora Koch (2002), define uma extensão do
modelo Dexter ao incluir certas características como uma especificação mais formal e
algumas alterações nas camadas definidas no modelo anterior. Através da notação UML
(Unified Modeling Language) e do modelo orientado a objeto, este foi o primeiro modelo a
propor uma especificação visual de um SHA, constituindo a UWE (UML-based Web
Engineering).
A principal camada do modelo Dexter, que era responsável apenas pelo
armazenamento das informações referentes à estrutura hipermídia, passa agora a ser dividida
em três submodelos, os quais podem ser visualizados na figura 15 e que já foram discutidos
anteriormente:
• meta-modelo de domínio – responsável pela estrutura da rede composta por nodos e
links, sendo que o primeiro é considerado como recipiente de dados;
• meta-modelo de usuário – características dos usuários armazenadas para uma
posterior adaptação;
113
• meta-modelo de adaptação – constitui-se em uma série de regras que implementam
as formas de adaptação.
Para prover as funcionalidades de um SHA, o modelo de Munich define três
operações, ou ações práticas, que devem ser encaradas como requisitos funcionais de um SHA
e que são pertinentes ao modelo de usuário. São elas:
a) operação de autorização: necessária para atualizar componentes, regras e atributos
dos usuários. A cada alteração do modelo de usuário é necessário que a aplicação autorize a
atualização com base nas regras de adaptação;
b) operação de recuperação: útil para o acesso à estrutura do domínio hipermídia e ao
modelo do usuário. Funciona como uma busca de informações tanto no modelo de domínio
como no de usuário;
c) operação de adaptação: operação para adaptar de forma dinâmica o modelo do
usuário, ou seja, personalizar a apresentação e o conteúdo de uma aplicação de acordo com o
estado atual do usuário.
O modelo de domínio também apresenta, na sua especificação, três operações que
possibilitam recuperar, criar e acessar componentes adaptativos. Estas operações podem ser
realizadas por intermédio de um endereçamento, definido na modelagem de domínio da
hipermídia, graças ao uso da Orientação a Objetos, pois, no modelo de domínio, são criadas
classes e componentes que representam as interações presentes na arquitetura do modelo de
Munich, bem como as funcionalidades adaptativas inerentes ao aplicativo SHA.
Por outro lado, cada usuário possui características particulares, como conhecimento,
preferências, experiências, agrupadas em duas categorias: conhecimentos do usuário relatados
para os componentes do domínio, ou dependente do domínio, e as características gerais do
usuário, não dependentes do domínio.
A adaptação dos conteúdos, links e da apresentação ficam a cargo de mecanismos
descritos no modelo de adaptação.
6.2 O uso de UML e UWE
As linguagens de programação fornecem o vocabulário e as regras para a combinação
de palavras com a finalidade de comunicar algo. Uma linguagem de modelagem é a
linguagem cujo vocabulário e regras têm seu foco voltado para representação conceitual e
física de um sistema. A UML (Unified Modelling Language) é um tipo de linguagem padrão
114
para a elaboração da estrutura de projetos de software, independente da categoria em que esse
software seja inserido (BOOCH, 2000).
A modelagem permite a compreensão de um sistema. Nenhum modelo é inteiramente
suficiente. O vocabulário e as regras de uma linguagem como UML indicam como criar e ler
modelos bem formados, mas não apontam quais modelos deverão ser criados. Essa tarefa cabe
ao processo de desenvolvimento de software. E é esta lacuna que a UWE (UML Web
Engineering) preenche.
A UWE é uma abordagem de engenharia de software criada para dar suporte ao
processo de desenvolvimento de aplicações Web. A abordagem propõe uma extensão da
linguagem UML (Unified Modelling Language) para tratar os requisitos específicos de
sistemas hipermídia adaptativos, tais como: adaptação de conteúdo, de navegação, de
apresentação e modelagem de usuário. Esta abordagem tem como principal função modelar
elementos, notações e métodos envolvidos na construção e manutenção de sistemas
hipermídia adaptativos. Os modelos propostos são: conceitual, usuário, navegação,
apresentação e o modelo de adaptação. Além da UML, que atualmente é considerada como
uma das linguagens mais expressivas para modelagem orientada a objetos, pode ser utilizada
a linguagem OCL (Object Constraint Language), parte integrante da UML, que tem a
capacidade de descrever de forma precisa, através de uma linguagem textual, as limitações do
modelo orientado a objetos, definindo uma representação semântica.
Para Koch (2002), a UWE se faz necessária porque as abordagens genéricas de
Engenharia de Software orientada a objetos não são suficientes para suportar as
particularidades do processo de desenvolvimento de SHA. A UWE inclui um método de
projeto e de descrição do processo de desenvolvimento da aplicação adaptativa.
As principais características da UWE (AMARAL, 2005):
• É uma abordagem totalmente baseada em orientação a objeto;
• A representação dos modelos é feita de forma visual (diagramas UML) e
formal;
• Fornece uma extensão da UML para aplicações de HA;
• Define um processo de engenharia que engloba todo o ciclo de vida das
aplicações de HA.
De acordo com Koch (2000), a metodologia da UWE é composta por uma notação e
um método. A notação é uma extensão da UML, viabilizada por meio de um conjunto de
115
estereótipos específicos para SHA. O método consiste na construção de seis modelos de
análise e projeto, ilustrados na forma de pacotes UML na figura 30.
Figura 30. Modelos utilizados para o projeto de um SHA. Fonte: Koch (2002).
Os principais artefatos produzidos pelo método da UWE são (KOCH, 2002):
• Modelo de casos de uso (UseCase) para capturar os requisitos do sistema;
• Modelo conceitual para o conteúdo (modelo de domínio);
• Modelo de usuário;
• Modelo de navegação, que inclui um modelo do hiperespaço de navegação e
um modelo de estrutura de navegação;
• Modelo de apresentação, que inclui modelos estáticos e dinâmicos (modelo de
estrutura de apresentação, modelo de fluxo de apresentação, modelo abstrato
da interface de usuário e modelo do ciclo de vida objeto);
• Modelo de adaptação (regras de adaptação).
Esses artefatos suportam a análise e o projeto dos meta-modelos apresentados no
modelo de Munich. O meta-modelo de usuário definido no Munich gera, como resultado, os
seguintes artefatos: caso de uso, modelo de usuário; o meta-modelo de domínio gera: modelo
conceitual, modelo de apresentação, modelo de navegação; e, por fim, o meta-modelo de
adaptatividade, que tem como resultado as regras do modelo de adaptação.
116
Além de definir os modelos supracitados, a UWE prevê diversas etapas visando a
abranger todo o ciclo de vida de um SHA, incluindo: gestão de riscos, planejamento de
interação, captura de requisitos, análise e projeto, implementação, validação, verificação e
testes. As diversas etapas da UWE, aliadas a modelagem visual (diagramas UML) e formal
(OCL) constituem-se em um mecanismo sistemático para o projeto de SHA (AMARAL,
2006).
O foco desta pesquisa está na análise e projeto, não sendo relevante considerar as
demais etapas do ciclo de vida de um SHA. A utilização de orientação a objetos, via
UML/UWE, se justifica, pois proporciona facilidades quanto à reutilização de módulos e
códigos.
6.3 A Triagem dos Estilos Cognitivos
De acordo com pesquisas já desenvolvidas (GELLER, 2004), (BROWN, 2005),
(CRISTEA, 2006), (STASH, 2006), (ROSÁRIO, 2006) (LITZINGER, 2005), (DE BRA,
2006), (BECHARA, 2007) e (BROWN & BRAILSFORD, 2004), as dimensões de estilos
cognitivos mais adotadas são: dependência-independência de campo; impulsividade-
reflexividade de resposta; convergência-divergência de pensamento; e holista-serialista. As
suas particularidades já foram discutidas no Capítulo 4 deste trabalho. A extensão proposta ao
modelo de Munich, com a criação do meta-modelo RHA, utilizará os estilos cognitivos:
dependência-independência de campo e holista-serialista.
É importante ressaltar que, nesta pesquisa, o estilo cognitivo triado foi mantido
durante todo o histórico do usuário no ambiente; porém, também é válido observar que a
reorientação do estilo cognitivo, com base nas ações desempenhadas pelo usuário, deve ser
considerada como uma atualização dinâmica.
A tabela 3 resume como estes estilos serão modelados e aplicados no Modelo
proposto.
Estilo Atividades/Apresentação Avaliação Resultado da Avaliação Dependente Tutorial e links para
pesquisa Questões para pesquisa e Questionários
Conteúdo das respostas
Independente Texto descritivo ilustrado, Esquema
Desafios. Questões para discussão
Participação, conteúdo das colaborações
Holista Texto descritivo ilustrado e links para pesquisa
Questões para pesquisa Conteúdo das respostas
Serialista Tutorial Questionários Número de acertos e erros
Tabela 3. Proposta de atividades e avaliações de acordo com os estilos cognitivos para o modelo RHA.
117
As dimensões escolhidas, na sua totalidade, abordam quatro formas de apresentação e
desenvolvimento das atividades, a saber: tutorial, links para pesquisa, texto descritivo
ilustrado e esquema. Em termos de instrumentos de avaliação, serão utilizados: questões para
pesquisa, proposta de desafios, questões para discussão, questionários. Com relação aos
instrumentos de avaliação e os resultados obtidos, pode-se ter: em questões para pesquisa,
devem ser ressaltados os conteúdos das respostas; desafios e questões para discussão devem
levar em conta as participações dos alunos, ponderando o número e as formas de participação
(na discussão, o aprendiz participa mais formulando perguntas ou colaborando nas respostas)
e conteúdo; para os questionários, há que se considerar o número de acerto e erros.
Existem, também, relacionamentos entre os tipos de dimensões de estilos cognitivos e
as formas possíveis de apresentação e atividades propostas, representados na figura 31.
Figura 31. Correlações entre estilos cognitivos e atividades
A mesma idéia se aplica à análise das formas de apresentação e atividades versus tipos
de avaliações que desencadeiam. Os tipos de avaliação ou instrumentos de avaliação darão
condições para a escolha das ferramentas que os representam nos ambientes virtuais de
aprendizagem. A figura 32 mostra como esses itens se relacionam.
118
Figura 32. Relacionamentos entre atividade e tipos de avaliações
A partir das figuras 31 e 32, é possível deduzir que cada tipo de estilo cognitivo
pressupõe uma forma mais adequada de atividade (ou apresentação do conteúdo). Cada uma
dessas atividades desencadeia um processo de avaliação de aprendizagem que, por sua vez,
gerará distintos resultados para serem analisados e utilizados pelo RHA.
6.4 Modelagem dos Estilos Cognitivos
Dada a definição das dimensões de estilos cognitivos que serão abordadas nesta
pesquisa, deve-se desenvolver a modelagem de cada um dos estilos cognitivos. Essa
modelagem é base para as alterações que devem ocorrer no modelo de usuário, ou aluno, do
Munich (KOCH, 2002), apoiando o modelo RHA.
A modelagem de estilos cognitivos se inicia com a definição da hierarquia de usuários,
representada na figura 33. Este diagrama, com notação em UML, apresenta os tipos de
usuários, definidos com base nas dimensões de estilo cognitivo, e mostra os relacionamentos
existentes entre eles. De forma geral, um diagrama como o apresentado na figura 33
especifica generalização/especialização entre os atores do sistema. Nesta pesquisa, o termo
ator, adotado na UML, também pode ser equivalente a usuário ou aluno. Cada um dos
usuários de um sistema hipermídia adaptativo possui características ou atributos que o
representam.
Tutorial
Link para pesquisa
Texto Descritivo Ilustrado
Esquema
Questões para pesquisa
Questionário
Desafio
Questões para discussão
Apresentação/Atividade Tipos de Avaliações
119
Figura 33. Hierarquia de usuários para o modelo RHA.
O modelo RHA pressupõe uma hierarquia de usuários que define um ator,
denominado aluno e apresentado na figura 33(a), cujos atributos são gerais a todos os demais
tipos de usuários ou alunos. No caso do modelo RHA, o ator especificado de forma
generalista recebeu o rótulo de aluno e possui o seguinte conjunto de atributos ou
características: nome, login, senha, data de cadastro e data da última visita, entre outros. Por
serem atributos constantes nos demais tipos de alunos, eles são generalizados na especificação
e dão origem ao conceito de generalização na hierarquia de usuários.
A generalização é uma ferramenta poderosa para a abstração de dados e conceitos. É
um relacionamento existente entre um conceito mais geral (superconceito) e um conceito mais
específico (subconceito), no qual o conceito mais específico é consistente com o mais geral e
adiciona informações a ele ou herda informações dele (BOOCH, 1999).
Uma generalização é representada por uma linha com um triângulo, que liga o
conceito mais específico ao mais genérico. No diagrama da figura 33, a generalização ocorre
entre atores, porém ela pode ocorrer em outros diagramas da UML, que serão abordados
futuramente, como o diagrama de classes.
Já que o ator aluno possui características ou atributos gerais, os demais atores
definidos passam a herdar essas características. Para cada tipo de dimensão de estilo cognitivo
foi definido um ator, que recebe o nome do respectivo estilo. Os atributos dos atores serão
especificados no diagrama de classes na seção 6.7.
Definida a hierarquia existente entre os usuários ou atores que o modelo RHA
pressupõe, o segundo o tipo de especificação, seguindo os preceitos da UML e da UWE a ser
desenvolvido, é centrado no diagrama de Caso de Uso ou Use Case.
(a)
120
Os casos de uso referem-se aos serviços, tarefas ou funções que podem ser utilizados
de alguma maneira pelos usuários do sistema, como emitir um relatório ou cadastrar uma
atividade. São utilizados para expressar e documentar os comportamentos pretendidos para as
funções do sistema (BOOCH, 1999).
Segundo Koch (2002), para construir o modelo de caso de uso podem ser utilizados os
seguintes passos:
1. Determinar os atores;
2. Encontrar as atividades pertencentes a cada um dos atores;
3. Agrupar as atividades por caso de uso;
4. Estabelecer relacionamento entre atores e caso de uso;
5. Simplificar caso de uso com herança entre atores.
Essa categoria de diagrama mostra um conjunto de casos de uso e atores e seus
relacionamentos (dependência, generalização e associação). São muito utilizados para fazer a
modelagem do contexto de um sistema (hipermídia ou não) e, por isso, são relevantes para o
modelo RHA, dada a necessidade de analisar e modelar o contexto dos alunos (independente
do seu estilo cognitivo) e suas atividades no ambiente adaptativo, mediadas por ferramentas
de comunicação/interação clássicas nos AVA.
A tabela 4 relaciona as dimensões de estilos cognitivos, atividades/formas de
apresentação e instrumentos de avaliação, listados na tabela 3, com as ferramentas de
comunicação que se mostram mais adequadas, dadas as características levantadas na seção 6.3
de triagem dos estilos cognitivos. As pesquisas que formaram o arcabouço conceitual para as
conclusões presentes na tabela 4 são (GELLER, 2004), (BROWN, 2005), (CRISTEA, 2006),
(STASH, 2006), (ROSÁRIO, 2006) e (BECHARA, 2007):
Estilo Atividade/Apresentação Ferramenta de Comunicação
Avaliação
Dependente Tutorial e links para pesquisa
Fórum, correio eletrônico, lista de discussão, quiz, wiki
Questões para pesquisa e Questionários
Independente Texto descritivo ilustrado e esquema
Fórum, lista de discussão e tarefa
Desafios. Questões para discussão
Holista Texto descritivo ilustrado e links para pesquisa
Bate-papo, correio eletrônico
Questões para pesquisa
Serialista Tutorial Quiz, Bate-papo, fórum Questionários
Tabela 4. Proposta de ferramentas de comunicação de acordo com os estilos cognitivos para o modelo RHA.
121
A tabela 4 apresenta as ferramentas de comunicação que podem ser utilizadas por cada
estilo cognitivo para o processo de avaliação de aprendizagem. A fim de complementar as
informações da tabela e para definir a modelagem do contexto do um sistema hipermídia
adaptativo, foram desenvolvidos diagramas de caso de uso de cada um dos estilos cognitivos
selecionados para esse trabalho.
É importante ressaltar que os casos de uso aqui apresentados foram desenvolvidos a
fim de modelar os aspectos restritos a essa pesquisa, ou seja, ferramentas que são passíveis de
serem aplicadas ao processo de avaliação de aprendizagem e não a toda a utilização do
ambiente pelos atores designados.
A figura 34 apresenta o diagrama de caso de uso específico para o aluno holista. A
mesma hierarquia de atores concluída na figura 33 é utilizada na representação da herança
entre aluno e aluno holista. As ferramentas de comunicação/interação consideradas adequadas
para o modelo RHA utilizar os resultados da avaliação de aprendizagem estão representadas
nas elipses. No caso da figura 34, as ações que o aluno holista realiza e que são relevantes
para o modelo RHA são: acessar correio eletrônico e acessar bate-papo.
Figura 34. Diagrama de Caso de Uso – Aluno Holista
O mesmo esquema do diagrama exposto na figura 34 é utilizado para a concepção da
figura 35. Nesta situação, a figura 35 representa o caso de uso do aluno serialista que tem
como atividades: acessar fórum, acessar bate-papo e quiz.
122
Figura 35. Diagrama de Caso de Uso – Aluno Serialista
Para o aluno independente, foram especificados os casos de uso acessar fórum, acessar
correio eletrônico e acessar lista de discussão. Todo esse esquema está presente na figura 36.
Figura 36. Diagrama de Caso de Uso – Aluno Inependente
Por fim, tem-se a diagramação dos casos de uso do aluno detectado como dimensão de
estilo cognitivo dependente. Nesta situação, diagramada na figura 37, os casos de usos são:
acessar fórum, acessar wiki e acessar lista de discussão, acessar correio eletrônico e acessar
lista de discussão.
Acessar Quiz
123
Figura 37. Diagrama de Caso de Uso – Aluno Independente
Existe a possibilidade de um usuário pertencer a mais de uma das dimensões de estilo
cognitivo; porém, a título de simulação, para esta pesquisa será considerado que um usuário
só pode pertencer a uma dimensão de estilo cognitivo.
Como pode ser observado nos diagramas, cada um dos estilos cognitivos selecionados
possuem ferramentas de comunicação/interação mais indicadas às suas tendências de ações.
Dadas as pesquisas realizadas por Santos (2000), a tabela 5 apresenta as características que
levaram à escolha de tais ferramentas para os respectivos estilos cognitivos.
Estilo Tendência de Ações Ferramenta de Comunicação
Dependente Conteúdo e seqüência previamente organizados. Reforço extrínseco. Percepção pessoal e habilidades interpessoais. Preferem interação professor-aluno informal. Gostam de aprender em grupo.
Fórum, correio eletrônico, lista de discussão, quiz, wiki.
Independente Organização e seqüenciação de conteúdos. Reforço intrínseco. Análise impessoal. Maior ênfase do conteúdo do que com a interação professor-aluno.
Fórum, lista de discussão e tarefa.
Holista Contexto global. Examinar grande quantidade de dados. Busca por padrões e relações entre dados. Combinação de diversos dados.
Bate-papo, correio eletrônico.
Serialista Ênfase em tópicos separados e em seqüências lógicas. Buscam padrões e relações somente mais tarde no processo. Usam hipóteses mais simples e uma abordagem lógico-linear (de uma hipótese para a próxima, passo a passo).
Quiz, Bate-papo, fórum
Tabela 5. Ferramentas propostas e tendência de ações dos usuários no modelo RHA.
Acessar Quiz
124
Os alunos que possuem características do estilo dependente têm preferência por
conteúdos em seqüência; por isso, é recomendado o modo de apresentação de atividades via
tutorial e ferramentas de comunicação/interação como quiz, que trabalham com seqüência de
perguntas. De acordo com Santos (2000), esse perfil cognitivo requer maior reforçamento
extrínseco, portanto, há a indicação de links para pesquisa. São classificados como hábeis em
situações que exigem percepção pessoal e habilidades interpessoais; conseqüentemente, ficam
facilmente familiarizados com ferramentas como fórum e lista de discussão. Possuem
tendência a preferir interação professor-aluno mais informal e gostam de aprender em grupo,
o que pode ser implementado no ambiente adaptativo via disponibilização de atividades em
correio eletrônico, lista de discussão, fórum e wiki.
A integração dos alunos ditos independentes com as ferramentas de
comunicação/interação de um ambiente adaptativo baseia-se em características como:
envolvimento na organização e seqüenciação de conteúdos, o que pode ser aplicado via
proposta de tarefas. Como respondem melhor a reforços intrínsecos e preocupam-se mais com
o conteúdo do que com a interação professor-aluno, espera-se mais sucesso na utilização de
textos descritivos ilustrados e esquemas gráficos do que em links para pesquisa. Esses alunos
apresentam melhores resultados em situações que requerem uma análise impessoal; por isso,
podem obter sucesso na utilização de ferramentas de comunicação/interação como tarefa,
fórum ou lista de discussão, nas quais a participação é assíncrona e não pressupõe contato
direto e pessoal com os participantes.
Para o estilo cognitivo holista, a proposta é a de utilizar atividades e apresentação de
conteúdos na forma de texto descritivo ilustrado e links para pesquisa, pois esses alunos dão
ênfase no contexto global desde o início de uma tarefa e preferem examinar grande
quantidade de dados, na tentativa de encontrar padrões e relações entre eles. Para fomentar a
comunicação, são indicadas ferramentas como bate-papo e correio eletrônico, que
proporcionam espaço para debates tanto de forma síncrona como assíncrona.
Os serialistas têm por hábito dar ênfase em tópicos organizados em seqüências lógicas;
então, é recomendada a apresentação dos conteúdos na forma de tutorial. Uma ferramenta de
comunicação/interação que atende bem a essa característica é o quiz. Já que trabalham com
abordagem passo a passo, as ferramentas de bate-papo e de fórum também são indicadas, pois
possibilitam a consulta a um histórico organizado cronologicamente.
125
Cada uma das atividades geradas pelas tarefas relacionadas com um caso de uso pode
ser representada por um diagrama de atividades da UML. Estes diagramas serão apresentados
nas próximas seções.
6.5 Modelagem das Ferramentas de Avaliação de Aprendizagem
Conforme mencionado nas seções anteriores, a avaliação de aprendizagem será
realizada por intermédio de ferramentas de interação/comunicação disponíveis no ambiente
adaptativo de ensino a distância.
A modelagem que representa a interação do usuário com as ferramentas já definidas é
dada na presente seção por meio do uso de Diagramas de Atividades, definidos pela UML e
também utilizados na UWE.
O objetivo do diagrama de atividades é mostrar o fluxo de atividades em um único
processo. Mostra como uma atividade pode se relacionar, inclusive dependendo de outras. As
atividades são conectadas através de arcos (transições), que mostram as dependências entre
elas.
Essa categoria de diagramas da UML pode ser considerada mais conceitual, pois
possui foco na análise do ambiente computacional e não no projeto. Nesse projeto foi
empregado o diagrama de atividades para exemplificar como os usuários devem interagir com
as ferramentas de interação/comunicação e em que momento os dados de acesso dos usuários
serão armazenados para, posteriormente, serem utilizados pelo RHA. Esses dados serão
refinados na seção 6.6, para demonstração do processo de retro-alimentação.
Como o RHA é um meta-modelo que complementa os demais meta-modelos do
Munich, seu nível de abstração é alto, já que pretende criar uma modelagem genérica a ser
aplicada em qualquer hipermídia adaptativo. Os diagramas de atividades foram utilizados aqui
como mecanismos para a análise de comportamento do usuário, ambiente e ferramentas de
comunicação/interação. Não têm como objetivo manter a abstração de um meta-modelo;
porém, possuem a intenção de representar situações reais para, depois de generalizadas, serem
utilizadas no RHA.
É importante frisar que os diagramas de atividades que apresentam as formas de
interação entre usuário e ferramenta não distinguem os tipos de dimensões de estilos
cognitivos, uma vez que o foco para esse nível de abstração são as ferramentas e não os
126
usuários. Portanto, conclui-se que a interação com as ferramentas do ambiente é dada de
maneira igual para qualquer um dos estilos cognitivos definidos.
As atividades que se relacionam com o acesso ao ambiente adaptativo são
demonstradas na figura 38. Esse diagrama foi desenvolvido para ilustrar o que ocorre antes de
ser iniciado o processo de retro-alimentação.
Figura 38. Diagrama de Atividades – Acesso ao ambiente
Todos os diagramas de atividades apresentados nessa seção possuem uma atividade
destacada, “Armazenar dados do acesso”, que se refere aos dados que serão utilizados pelo
modelo RHA.
A figura 39 apresenta o diagrama de atividades para acesso à ferramenta de bate-papo.
Figura 39. Diagrama de Atividades – Acesso ao Bate-Papo.
127
É possível notar, com base no diagrama, o ciclo de ação existente ao utilizar a
ferramenta bate-papo. O ciclo é demonstrado pela seta que liga a atividade “Permitir enviar
mensagem” à “Apresentar mensagem atual”. Isso denota atividades seqüenciais que são
favoráveis ao estilo serialista.
O diagrama da figura 40 apresenta as atividades relacionadas com o acesso à
ferramenta Fórum.
Figura 40. Diagrama de Atividades – Acesso ao Fórum.
A ferramenta fórum possui duas características, observadas no diagrama de atividades
da figura 40: a primeira é a organização em forma seqüencial, no que se refere às mensagens
do fórum; a segunda é a possibilidade de trabalho em grupo, pois ela armazena mensagens de
diversos alunos.
O fórum é uma ferramenta de comunicação/interação utilizada por três dos quatro
estilos cognitivos: serialista, dependente e independente. Os três têm em comum o fato de
privilegiarem informações organizadas, que possuam seqüência lógica e, no caso dos
dependentes, que possibilitem a aprendizagem em grupo.
A ferramenta quiz e as atividades relacionadas a ela são apresentadas na figura 41. O
diagrama reflete a forma como a ferramenta pressupõe interação com o usuário, onde todas as
perguntas são apresentadas em uma mesma tela, na seqüência em que foi elaborada pelo
autor. Ao finalizar, as respostas a todas as perguntas são armazenadas. Essa organização
prévia e seqüencial favorece alunos das dimensões serialistas e dependentes.
128
Figura 41. Diagrama de Atividades – Acesso ao Quiz.
O único estilo cognitivo, entre os selecionados na presente pesquisa, que utiliza a
ferramenta Wiki é o dependente. A figura 42 apresenta o diagrama de atividades. Por a
ferramenta Wiki apresentar caráter colaborativo, foi necessário representar, em seu diagrama,
um ciclo de ação entre as atividades “Permitir editar texto” e “Apresentar texto atual”. Isso
demonstra que existe uma seqüência explícita para inserção de conteúdo via Wiki.
Figura 42. Diagrama de Atividades – Acesso ao Wiki.
A tarefa é uma ferramenta de interação/comunicação que oportuniza a entrega de
atividades previamente delimitadas na forma de arquivos externos. Isso quer dizer que o aluno
pode realizar uma determinada atividade proposta e postar arquivo relacionado com a
129
solicitação. Essa ferramenta limita o tempo que o aluno possui para desenvolver a proposta e
postá-la.
O diagrama de atividades que representa essa ferramenta está na figura 43. Observa-
se, pela figura, que a apresentação do intervalo de tempo já ocorre imediatamente após o
acesso à ferramenta. É possibilitado, então, que o aluno envie o documento ou não. Esse envio
só poderá ocorrer dentro do intervalo de tempo previsto. Após isso, os dados do acesso são
armazenados.
A ferramenta Tarefa é uma das adotadas para o perfil independente, pois possibilita
organização dos conteúdos e permite maior ênfase no conteúdo que na interação professor-
aluno, características válidas para o perfil designado.
Figura 43. Diagrama de Atividades – Acesso a Tarefa.
A figura 44 apresenta o diagrama de atividades da ferramenta correio eletrônico. Em
geral, os ambientes adaptativos não possuem uma interface para leitura de e-mail na própria
plataforma, porém utilizam com freqüência o endereço de correio eletrônico para enviar
avisos sobre novos conteúdos ou novas interações ocorridas nas ferramentas.
Dadas essa relevância e sua utilização nos perfis dependente e holista, foi
desenvolvido o seu diagrama, como exposto na figura 44.
A ferramenta de correio eletrônico possibilita duas atividades: o envio de mensagens e
o recebimento/leitura de mensagens. Nessas atividades, podem ser notadas características que
corroboram as características dos perfis dependente e holista. O perfil dependente prefere
interação professor-aluno informal, que pode ser atingida via correio eletrônico. O perfil
130
holista possui preferência por utilizar uma abordagem lógico-linear, que pode ser conseguida
com a estrutura de organização de mensagens do correio eletrônico.
Figura 44. Diagrama de Atividades – Acesso ao Correio Eletrônico.
6.6 Integração do RHA com o Modelo de Munich
As seções anteriores mostram como os elementos pertinentes ao meta-modelo RHA se
comportam. Os processos de triagem e modelagem dos estilos cognitivos foram úteis para
auxiliar a seleção dos atributos que devem ser considerados com relação aos usuários. A
modelagem das ferramentas de avaliação de aprendizagem, seção 6.5, foi utilizada para
selecionar os atributos e métodos relacionados a cada uma delas.
É importante lembrar que, até agora, as modelagens foram desenvolvidas com um alto
grau de abstração, pois se tratavam de modelos para representar a análise de engenharia de
software da proposta.
Na presente seção, serão detalhados tanto os modelos de Orientação a Objetos (UWE),
que foram base, como os que formam o meta-modelo RHA. Como já foi explorado na seção
3.3, o modelo de Munich é dividido, assim como o Dexter e o AHAM, em três camadas.
Essas camadas são a base para o detalhamento dos meta-modelos envolvidos no
processo de construção de um sistema hipermídia adaptativo.
A figura 45 mostra o diagrama de pacotes (UWE) que representa a clássica arquitetura
dividida em três camadas, já com a inserção do meta-modelo RHA, que está situado na
camada de armazenamento.
131
Assim como no Dexter, o núcleo do modelo de Munich está na camada de
armazenamento. A do modelo de referência Munich converge os meta-modelos de usuário,
domínio e adaptatividade; desse modo, mantém a abstração em cada um destes meta-modelos,
a fim de reunir os elementos mais genéricos possíveis para a construção da hipermídia
adaptativa.
Figura 45. Inserção do RHA na arquitetura do modelo de Munich.
A camada de armazenamento e, por conseqüência, o meta-modelo RHA se relacionam
com as camadas de execução e camada interna aos componentes.
A relevância da interligação com a camada de execução, para o RHA, é dada pelo fato
de esta camada agregar as descrições sobre a apresentação dos nodos e links, que serão
acessadas via meta-modelo de domínio e meta-modelo de usuário. Somado aos motivos já
expostos, há que se considerar que essa camada é responsável pelo gerenciamento de
Camada de Execução
Especificação Apresentação
Armazenamento
Camada Interna aos Componentes
Âncoras
Meta-modelo De Domínio
Meta-modelo De Usuário
Meta-modelo De Adaptatividade
Meta-modelo RHA
132
diferentes sessões da hipermídia, que são abertas para cada um dos usuários com conteúdos
distintos.
Por outro lado, a influência da camada interna aos componentes para o RHA se dá por
meio da estruturação e organização do conteúdo que será apresentado pela aplicação a ser
desenvolvida.
Por tais características, o meta-modelo RHA foi inserido na camada de
armazenamento, como apresentado na figura 45, juntamente com os outros meta-modelos
supracitados.
Com a finalidade de detalhar a integração do RHA no Munich, serão realizadas as
análises de seu relacionamento com os meta-modelos presentes na camada de
armazenamento. Dentro deste contexto, a camada de armazenamento será o meio utilizado
para as modelagens. Também é relevante destacar que os diagramas que seguem utilizam já a
visão de projeto e não mais a de análise. Portanto, com relação aos aspectos do paradigma
orientado a objeto, o detalhamento passa a ser maior, o que confere um nível de abstração
menor ao referencial técnico.
Os meta-modelos expostos nessa seção são apresentados sob a forma de diagramas de
classe. Um diagrama de classes descreve os tipos de objetos envolvidos em um determinado
sistema (ambiente ou domínio do conhecimento) e os vários tipos de relacionamentos que
existem entre eles. Também mostram atributos e operações de uma classe e as restrições com
que os objetos são conectados (BOOCH, 1999). Por serem a base de quase todas as
metodologias implementadas em Orientação a Objetos, são utilizados extensivamente.
São permitidos diferentes níveis de abstração aos diagramas de classe, dependendo de
cada etapa do desenvolvimento ou até do nível de detalhamento requerido. Portanto, os
diagramas de classe podem exibir desde apenas os nomes das classes até os seus atributos e
métodos.
No início do processo de modelagem, o diagrama de classe é utilizado para modelar os
aspectos lógicos do domínio do problema. Nas fases seguintes, o diagrama de classe é
utilizado para documentar decisões de projeto, bem como detalhes de sua implementação
futura.
Na presente pesquisa, os diagramas de classe apresentarão seus nomes, atributos e os
métodos.
133
6.6.1 O Meta-modelo de Domínio e o RHA
O meta-modelo de domínio definido por Koch (2002) é dado pelo diagrama de classe
apresentado na figura 46.
O meta-modelo de domínio descreve a estrutura da aplicação hipermídia. A classe
“Domínio” do diagrama da figura 46 se relaciona, por meio de uma agregação, a um conjunto
finito de componentes, que pode variar de 1 até n componentes. Além disso, essa classe
define três funções ou métodos, que são: construir, recuperar ou acessar um determinado
componente. Esse diagrama também mostra que o meta-modelo de domínio é responsável
pela modelagem da apresentação desses conceitos no hiperespaço.
Figura 46. Diagrama de classe do meta-modelo de domínio do Munich. Fonte: Koch (2002).
Os componentes descritos no diagrama de classe da figura 46 modelam os elementos
de ‘nível conceitual’ (KOCH, 2002). Funcionam como uma abstração de um item do domínio
de conhecimento e podem ser considerados, então, análogos aos conceitos, tópicos, que
formam o conteúdo a ser transmitido.
134
O meta-modelo de domínio apresenta as descrições relativas aos conteúdos/tópicos da
hipermídia. Esta característica motiva o relacionamento entre o RHA e o meta-modelo de
domínio. Fica evidente, também, a importância dos métodos associados à classe “Domínio”.
Esses métodos serão a base para que o RHA possa utilizar informações sobre os tópicos da
hipermídia e a interação que o usuário (aluno ou aprendiz) realiza com tais elementos.
Pelo diagrama, é possível notar que um componente pode ser classificado, dependendo
da situação, a qual deve ser instanciada pela hipermídia, como sendo um conceito ou um
relacionamento entre conceitos. Na prática, um conceito pode ser comparado a uma página da
hipermídia e um relacionamento entre conceitos a um link entre páginas.
Para o modelo RHA, esse componente também pode ser instanciado por uma das
ferramentas de interação/comunicação modeladas nas seções 6.3 e 6.4.
Como as aplicações, software ou ambiente ditos adaptativos são considerados
dinâmicos, eles requerem geração dinâmica da apresentação (ou do acesso) das páginas de um
determinado conteúdo. Isto é válido também para o acesso às ferramentas de
comunicação/interação.
Esta funcionalidade é referente ao método construtor, pois este é o responsável por
elaborar a apresentação dos conteúdos, dinamicamente. Os métodos de recuperação e acesso
são responsáveis pelo mapeamento e busca dos componentes.
Um componente tem um conjunto de atributos, que são diferentes das informações
relativas ao conteúdo instrucional. Esses atributos são propriedades do componente. Um
componente pode, ainda, possuir um conjunto de âncoras que se comportam como elos entre
os pequenos fragmentos de conteúdo a serem utilizados na apresentação. Esta apresentação
(EspApresentação, no diagrama da figura 46) é formada por informações sobre o formato de
apresentação dos componentes.
O RHA se relacionará com o meta-modelo de domínio por um relacionamento
estabelecido com a classe “Domínio”.
6.6.2 O Meta-modelo de Usuário e o RHA
O meta-modelo de usuário também se relaciona com o RHA. A figura 47 apresenta o
seu diagrama de classes.
A classe GerenciaUsuário do meta-modelo de Usuário possui uma agregação com a
classe Usuário, e esse relacionamento implementa a administração de um grupo de usuários
135
por meio de três funções principais – inicializa, atualiza e avalia. A inicialização pode ser
realizada baseada em sondagem ou uso de estereótipos. Este trabalho utiliza estereótipos
definidos pelas duas dimensões de estilos cognitivos já exploradas.
Cada usuário possui uma identificação única (UsuárioID); além disso, possui, também,
um conjunto de atributos (AtribUsuário) que armazena as características relevantes deste
usuário para o sistema.
Figura 47. Diagrama de classe do meta-modelo de usuário do Munich. Fonte: Koch (2002).
Estas características podem ser categorizadas em dependentes (AtribDependente) e
independentes (AtribIndependente) do domínio da aplicação e os valores atribuídos a estas
características (ValorAtribUsuário) é que representam as crenças do sistema sobre o usuário.
Na maioria das hipermídias, a instância da identificação única é dada pelo endereço de
e-mail. Então, quando é realizada a conexão do usuário com o sistema, é feita uma checagem,
para a autenticação do acesso. Se o usuário não estiver cadastrado, recebe a opção de se
cadastrar; se o usuário estiver cadastrado, sua identificação é encontrada no sistema e o acesso
é permitido. A situação acima explicitada pode ser visualizada no Diagrama de Atividades –
Acesso ao ambiente, apresentado na figura 38.
136
O RHA se integra com o meta-modelo de usuário por meio de associação com a classe
UsuarioID, pois é necessário que o RHA tenha acesso às características do usuário e aos seus
atributos.
No modelo de Munich, esses atributos podem ser classificados em dois tipos:
“conhecimento do usuário relacionado ao domínio” e “características gerais do usuário”.
Segundo essa classificação, os atributos do primeiro grupo são ditos atributos dependentes do
domínio e os do segundo grupo são independentes do domínio e incluem o conhecimento que
o usuário tem acerca de outros domínios que não o da hipermídia. Os atributos independentes
do domínio, principalmente os relacionados às preferências e características do usuário podem
ser compartilhados com outros SHA.
Os atributos dependentes são utilizados também pelo meta-modelo de adaptação, já
que representam o conhecimento do usuário sobre o conteúdo do ambiente hipermídia. Esses
atributos são representados na forma de pares do tipo “conceito-identificação_do_usuário
(UID)” ou “conhecimento-valor”.
A classificação dos atributos e seu formato de valoração, já existente, são utilizados
pelo RHA para modelar o comportamento do usuário, adicionando os elementos pertinentes à
dimensão do estilo cognitivo.
6.6.3 O Meta-modelo de Adaptação e o RHA
As classes Adaptação e Regras são a base do meta-modelo de adaptação, juntamente
com um grupo de regras e métodos que delimitam a funcionalidade de adaptação ao modelo.
As regras definem como as páginas são montadas e apresentadas ao usuário. A figura 48
apresenta o meta-modelo de adaptação (KOCH, 2002).
O método “resolveAdaptação” especifica um componente para um determinado
usuário em uma página com conceito apropriado. Para determinar todas as regras que podem
ser utilizadas em uma determinada situação, foi criado o método “trigger”. Essa regra é
inicialmente disparada pelo comportamento do usuário, por meio do método “buscador”. As
regras selecionam os conceitos apropriados e propiciam o conteúdo adaptativo, sua
apresentação e esquema de links, além de atualizar o meta-modelo de usuário. Esse tipo de
organização do processo de adaptação, além de Koch (2002), é sugerido também por De Bra
(1999).
137
No meta-modelo de adaptação, uma regra é dada pela classe Regra e consiste em uma
condição, uma ação e atributos, fase e propagador. A fase de execução (atributo da classe
Regra) pode ser executada antes da geração de uma página (pré) ou após (pós).
As atualizações do meta-modelo de usuário são realizadas pelas fases de execução
(método fase representado na classe Regra). Se o atributo fase da regra for determinado como
‘pré’, a adaptação, então, é realizada com base no estado atual do modelo de usuário. O valor
‘post’ indica que o modelo de usuário é atualizado antes da aplicação da regra. Isso pode
ocorrer na geração de algumas páginas de apresentação. Pode-se dizer que, no caso ‘pré’, a
regra é aplicada antes da atualização; no caso ‘pós’, a regra é aplicada depois da atualização
dos dados do usuário.
Figura 48. Diagrama de classe do meta-modelo de adaptação do Munich. Fonte: Koch (2002).
Existe, ainda, uma definição quanto ao tipo de regra. Elas podem ser genéricas ou
específicas. As genéricas podem ser aplicadas em todas as instâncias do domínio (presentes
no modelo de domínio) e as específicas só podem ser aplicadas a uma determinada instância
(também presente no modelo do domínio).
Meta-Modelo de Adaptação
Adaptação
buscador (uid, ub):Rule trigger(rule) : Set(Rule) resolveAdaptacao (cs,ui,ub): UID
Regra
propagador: Boolean fase: enum (PRE, POST) executor (uid, ui, ub)
Construção de Regra
Adaptação de Regra
Aquisição de Regra
Adaptação de Conteúdo
Adaptação de Link
Adaptação de Apresentação
Condição
Ação
ModelaElemento
elementoID: ID modificado: Boolean
Elemento ModeloUsuario
Elemento ModeloDomínio
Comportamento Usuário
Navegação access: UID
Entrada inputField:Data
Inativo time: Time
1
1
1
1 . *1
1 . *
0 . *
0 . *
1 . *
1
1 . *
1
11
11
adaptação
regras
triggers
comportamentos
elementos
ação condição
138
Além disso, outra classificação existente se refere aos objetivos para os quais as regras
são criadas (KOCH, 2000):
Regra de Construção: seu objetivo é encontrar um conceito com base nos
relacionamentos, retornando o identificador único do conceito.
Regra de Aquisição: usada para reunir informação sobre o usuário, a fim de manter o
Modelo do Usuário. Retorna uma lista dos atributos do usuário e, eventualmente, os valores
alterados destes atributos.
Regra de Adaptação: adapta as páginas baseadas no estado do Modelo do Usuário. São
definidos três tipos de regras, de acordo com a forma de adaptação:
• Adaptação de Conteúdo – Para a seleção de diferentes fragmentos para a
construção da página;
• Adaptação de Link – Para a aplicação de diferentes técnicas de navegação
adaptativa, tal como anotação de link, remoção de link, ordenação de link,
orientação direta, etc.;
• Adaptação de Apresentação – Para os ajustes da apresentação da página,
mudando estilos, fontes e tamanhos, por exemplo.
O método ‘executor’, que consta na classe Regra, tem como parâmetros a identificação
do usuário, seu comportamento (última interação) e o componente do conceito (UID) que
utiliza para executar as regras. A Regra de Construção retorna o UID de um conceito; a Regra
de Aquisição retorna um grupo de atributos do usuário e seus valores; e a Regra de Adaptação
disponibiliza os fragmentos da página, os links adaptados e a especificação da apresentação.
A classe ModelaElemento define um elemento por meio de um identificador único
(elementoid) e por um valor lógico que, modificado, indica se o elemento está sendo alterado
pela ação corrente do sistema hipermídia.
O comportamento do usuário incorporado no modelo de adaptação modela as
diferentes atividades do usuário, as quais podem disparar uma regra, sendo, portanto, parte da
condição da regra. A classe ComportamentoUsuário é uma classe abstrata que possui, por
herança, as classes Navegação, Entrada dados e Inatividade, as quais possuem os seguintes
atributos:
• O atributo “acesso” da classe Navegação, que indica o componente acessado;
• O atributo “campoEnt” da classe Entrada dados, que especifica o dado entrado
ou selecionado pelo usuário;
139
• O atributo “tempo” da classe Inatividade, que monitora o tempo decorrido desde
a última interação do usuário e o compara com o tempo máximo decorrido
definido pelo sistema.
Para o RHA, estas atividades de interação do usuário são focadas nas dimensões de
estilos cognitivos e nas interações com as ferramentas de comunicação/interação. Este é um
dos motivos que justifica o relacionamento entre o RHA e o meta-modelo de adaptação.
6.7 O Modelo RHA
O objetivo das próximas seções é apresentar o meta-modelo RHA e sua integração
com o modelo Munich. Como mencionado anteriormente, o RHA foi desenvolvido com base
na UWE e, por isso, será visualizado na forma de diagrama de classe. O diferencial do modelo
com a inclusão do RHA é que, com ele, ficam explícitas as modelagens dos estilos cognitivos
e dos instrumentos de avaliação de aprendizagem. Além disso, o RHA torna o Munich
diferente dos outros modelos de referência, pois considera ferramentas de
interação/comunicação que são freqüentemente utilizadas em ambientes hipermídia de ensino-
aprendizagem na Web.
6.8 Diagrama de Classe do Modelo RHA
A figura 49 apresenta o diagrama de classe do RHA, que possui relacionamento com
os demais modelos do Munich. Algumas das classes do Munich foram suprimidas desse
diagrama, apenas a título de organização, porém, são utilizadas dentro de cada um de seus
meta-modelos para execução das funcionalidades normais do ambiente hipermídia adaptativo.
A ligação existente entre o RHA e o meta-modelo de adaptação é dada através do
relacionamento das classes estilo cognitivo e adaptação. A classe estilo cognitivo tem
atributos que retratam as características do estilo cognitivo, tais como:
• ações_estilo: que deve considerar as ações que são mais propícias a cada um dos
estilos cognitivos;
• preferencia_apresentacao_estilo: que engloba as formas de apresentação do
conteúdo mais adotadas para determinado estilo cognitivo;
• preferencia_avaliacao_estilo: delimita as formas preferenciais de avaliação de
um determinado estilo cognitivo.
140
O relacionamento entre estilo cognitivo e adaptação é relevante, pois a primeira classe
pode disparar (via método trigger) regras de adaptação. Um estilo cognitivo pode estar
associado a diversas adaptações, porém uma adaptação se associa apenas a um estilo
cognitivo. Ainda é necessário, no meta-modelo de adaptação, inserir uma classe no
relacionamento de herança da classe adaptação_regra, para definir especificamente as regras
de adaptação por estilo cognitivo. A classe que se destina a essa tarefa é a regra_estilo.
No primeiro momento do uso do ambiente hipermídia adaptativo, o usuário passa pelo
processo de sondagem. Esse processo é representado e armazenado pela classe
sondagem_inicial. Por este motivo, foi feito o relacionamento entre as classes
sondagem_inicial e estilo_cognitivo. O relacionamento é único, já que uma sondagem gera
um estilo cognitivo, pois não estão sendo considerados estilos cognitivos embricados nessa
pesquisa.
Figura 49. Diagrama de Classe do Munich com a inserção do RHA.
O método coletarDados, da classe sondagem_inicial, processa os dados respondidos
pelo usuário e, então, define qual o estilo cognitivo mais adequado. Maiores detalhes sobre a
sondagem inicial serão apresentados na seção 6.9.
141
A classe sondagem_inicial possui um relacionamento com a UsuarioID do meta-
modelo de usuário, que já é nativa do Munich. Foram aproveitadas as características da
UsuarioID e esse relacionamento tornou-se necessário para definir que um determinado
usuário possui um estilo cognitivo. No nível de menor abstração dos dados, é possível
observar que a classe sondagem inicial terá identificador do estilo cognitivo e do UsuarioID;
assim, por meio desta classe, será possível relacionar o usuário com seu estilo cognitivo.
A classe UsuarioID se relaciona com a classe Domínio. Em um ambiente virtual, um
usuário pode se relacionar com vários domínios e um domínio pode ter vários usuários. Para
melhor compreensão, pode-se realizar uma analogia e definir que um domínio é equivalente a
um curso on-line ou uma disciplina on-line. Então, um usuário, em um mesmo ambiente
virtual, pode estar ‘matriculado’ em diversos cursos/disciplinas.
O domínio é composto por uma agregação de componentes. O Munich, nativo, não
prevê ferramentas relacionadas com seus componentes que formam um domínio. Com a
inserção do RHA, um componente passa a se associar a ferramentas. Cada ferramenta, de
acordo com a classe, possui os atributos: nome, dataHabilitação (que registra a data de início
de utilização), dataTermino (que registra a data de final de utilização). Além desses atributos,
existe o método armazenaExec, que registra os dados relativos à execução da ferramenta. As
ferramentas ainda podem ser colaborativas, propícias para o trabalho em grupo, ou podem ser
individuais, específicas para um usuário só.
Um domínio pode proporcionar uma ou mais avaliações. Diante deste cenário, a classe
domínio possui um relacionamento com a classe avaliação, a qual, por sua vez, é relacionada
com a classe ferramenta. Esses relacionamentos representam a seguinte situação prática:
“cada domínio tem, no mínimo, uma avaliação de aprendizagem e essa avaliação é realizada
por meio de instrumentos/ferramentas de comunicação, que, por sua vez, podem ser
individuais ou em grupo”.
6.9 Sondagem Inicial
A técnica de sondagem inicial, representada pela classe do mesmo nome, é adotada
para coleta inicial de dados referentes ao estilo cognitivo do usuário. O uso de sondagem é
freqüentemente realizado por meio de preenchimento de questionários e/ou formulários. É
uma técnica utilizada para obter dados sobre o usuário e o seu conhecimento em relação ao
142
conteúdo da hipermídia (BUGAY, 2006). Essa técnica pode ser descrita como ativa, pois
exige que o usuário faça interação direta com o formulário/questionário (KOCH, 2000).
Para realizar a sondagem inicial e filtrar o estilo cognitivo do usuário do ambiente
virtual de aprendizagem adaptativo, foi utilizado um questionário baseado nas pesquisadas de
Bariani (2000), Martins (2005), também empregado nas pesquisas de Geller (2004). Esse
questionário deve ser aplicado no início da utilização do ambiente virtual de aprendizagem
adaptativo.
O trabalho resultante de Bariani (2000) aborda as seguintes dimensões de estilos
cognitivos: dependente/independente de campo, reflexivo/impulsivo, pensamento
convergente/divergente, holista/serialista. No presente trabalho, são adotadas dimensões
dependente/independente de campo e holista/serialista; portanto, foi realizado um filtro no
instrumento proposto por Bariani (2000) para contemplar apenas as dimensões que são foco
desta pesquisa. Porém, a métrica adotada e o método de cálculo do estilo cognitivo são os
mesmos das pesquisas de Bariani (2000) e Martins (2005).
O quadro 1, utilizado nessa pesquisa, apresenta a organização dos itens relacionados
no instrumento da sondagem inicial com os estilos cognitivos. Dependência de campo Eu fico desanimado quando não sou elogiado pelo meu trabalho. Eu prefiro conteúdos mais estruturados e com apresentação lógica. Eu prefiro trabalhar e aprender em grupo. Eu prefiro realizar trabalhos acadêmicos a partir de roteiros pré-estabelecidos, elaborados por professores ou outras pessoas. Independente de campo Quando estou estudando, eu prefiro decidir sozinho o que fazer, quando e como. Eu sou autodisciplinado para os estudos. Eu tenho facilidade para criticar e corrigir o trabalho de outras pessoas. Eu prefiro professores que se preocupam mais com o conteúdo do que com as relações pessoais estabelecidas nas aulas. Holista Ao iniciar uma tarefa, prefiro examinar uma grande quantidade de dados, buscando relações entre eles. Costumo enfatizar o contexto global e não os aspectos específicos das tarefas que realizo. O contexto global de uma situação é o elemento mais relevante para a tomada e decisões. Ao ler um texto, eu presto mais atenção na idéia geral do que nos detalhes informativos do mesmo. Serialista Num processo de tomada de decisão, considero indispensável o conhecimento dos dados específicos da situação-problema. Ao realizar uma tarefa, prefiro usar um processo passo a passo, trabalhando com pequenas quantidades de dados de cada vez. Eu dou maior atenção aos pequenos elementos informativos de um material de estudo ou de trabalho. Diante de um material escrito, eu dou ênfase a cada tópico separadamente e somente depois busco relações entre as partes.
Quadro 1 – Itens do questionário de sondagem inicial e seu estilo cognitivo
143
É possível notar, pelo quadro 1, que os itens foram agrupados por categorias, em
função de seu conteúdo referir-se a cada tipo de estilo cognitivo. O instrumento de sondagem
inicial empregado no ambiente virtual de aprendizagem adaptativo utilizou os itens acima
dispostos de maneira casual, como proposto em Bariani (2000).
A métrica adotada para a aplicação do instrumento foi baseada em uma escala do tipo
Likert (BAKER, 2002), que também foi adotada na pesquisa de Cristea (2004), no processo
de avaliação do MOT, apresentado no capítulo 5.
Para a avaliação da escala de estilos cognitivos, foi calculada a média em cada estilo,
somando os itens de acordo com a categoria escolhida:
• DT para discordo totalmente;
• D para discordo;
• I para indeciso;
• C para concordo, e;
• CT para concordo totalmente.
Cada categoria de respostas tem uma pontuação que varia de 1 a 5, sendo 1 para DT, 2
para o D, 3 para I, 4 para C e 5 para CT. O estilo de maior média é o estilo preponderante do
aprendiz usuário do ambiente virtual de aprendizagem adaptativo.
A tabela 6 apresenta o questionário já com as questões em sua ordem de apresentação.
Nº Questão 01 Quando estou estudando, eu prefiro decidir sozinho o que fazer, quando e como. 02 Eu fico desanimado quando não sou elogiado pelo meu trabalho. 03 Eu prefiro conteúdos mais estruturados e com apresentação lógica. 04 Eu prefiro trabalhar e aprender em grupo. 05 Eu sou autodisciplinado para os estudos. 06 Num processo de tomada de decisão, considero indispensável o conhecimento dos dados específicos da
situação-problema. 07 Ao realizar uma tarefa, prefiro usar um processo passo a passo, trabalhando com pequenas quantidades de
dados de cada vez. 08 Eu prefiro realizar trabalhos acadêmicos a partir de roteiros pré-estabelecidos, elaborados por professores
ou outras pessoas. 09 Ao iniciar uma tarefa, prefiro examinar uma grande quantidade de dados, buscando relações entre eles. 10 Eu dou maior atenção aos pequenos elementos informativos de um material de estudo ou de trabalho. 11 Costumo enfatizar o contexto global e não os aspectos específicos das tarefas que realizo. 12 Eu tenho facilidade para criticar e corrigir o trabalho de outras pessoas. 13 O contexto global de uma situação é o elemento mais relevante para a tomada e decisões. 14 Eu prefiro professores que se preocupam mais com o conteúdo do que com as relações pessoais
estabelecidas nas aulas. 15 Ao ler um texto, eu presto mais atenção na idéia geral do que nos detalhes informativos do mesmo. 16 Diante de um material escrito, eu dou ênfase a cada tópico separadamente e somente depois busco
relações entre as partes.
Tabela 6. Questões do instrumento da sondagem inicial
144
Torna-se relevante ressaltar que, dependendo do método de sondagem inicial adotado,
serão realizadas a definição das questões e o conjunto de respostas pertinente a cada questão.
Esse cenário determinará adequações ao diagrama de classe e, conseqüentemente, ao
diagrama de banco de dados. O modelo proposto na presente seção, ilustrado pela figura 49,
traz uma representação genérica do RHA. A simulação da sondagem inicial adotada, e
supracitada, e readequações propostas ao diagrama de classe e ao modelo de banco de dados
estão descritas no capítulo 7.
6.10 Modelo de Banco de Dados
Toda a modelagem, em UWE, realizada para a análise e definição do RHA foi
implementada utilizando um banco de dados para prover a persistência dos dados. Foi
realizado o mapeamento do diagrama apresentado na figura 49 e o projeto de banco de dados,
apresentado sob forma de diagrama entidade relacionamento na figura 50, foi gerado.
É importante notar que as classes definidas no diagrama de classe foram mapeadas
para tabelas no modelo apresentado na figura 50. Esse diagrama representa as princpais
tabelas geradas depois de aplicadas às regras de normalização (SILBERSCHATZ, 1999)
específicas da fase de projeto do Banco de Dados.
O projeto lógico do Banco de Dados é apresentado no modelo da figura 50 e segue as
normas da área de Banco de Dados em sua representação lógica (HEUSER, 2000). As regiões
destacadas em verde são as que foram inseridas com base no modelo RHA. As demais tabelas
foram projetadas tomando como referência o modelo de Munich nativo.
A relevância da utilização do projeto lógico de Banco de Dados está na ênfase em
transformar os conceitos apresentados no diagrama UWE (figura 49) em um modelo que
define como os dados serão armazenados e, por conseqüência, como o banco de dados será
desenvolvimento em um Sistema Gerenciador de Banco de Dados (SGBD) específico
(HEUSER, 2000). Nesta pesquisa, foi adotado o SGBD MySQL para a implementação.
145
Figura 50. Projeto Lógico de Banco de Dados do RHA.
Para tornar o projeto claro e dar destaque às tabelas e aos seus relacionamentos, foram
suprimidos os atributos e apenas apresentadas as chaves (primárias e estrangeiras). Uma
chave é o conceito básico para identificar linhas e estabelecer relações entre linhas de tabelas
de um banco de dados (HEUSER, 2000).
No projeto de Banco de Dados apresentado são utilizados dois tipos de chaves:
primárias e secundárias. Uma chave primária é uma coluna ou uma combinação de colunas
cujos valores distinguem uma linha das demais dentro de uma tabela (HEUSER, 2000)
(SILBERSCHATZ, 1999). Uma chave estrangeira, designada na figura 50 pelos caracteres
(FK), é uma coluna ou combinação de colunas cujos valores aparecem necessariamente na
chave primária de outra tabela. A chave estrangeira é o mecanismo que permite a
implementação de relacionamentos em um banco de dados (HEUSER, 2000).
Por exemplo, a tabela “Avaliacao”, no projeto lógico, possui duas chaves, uma
primária, denominada idAvaliacao, que identifica cada uma das avaliações realizadas no
ambiente virtual, e uma chave estrangeira, Dominio_idDominio, que relaciona cada uma das
avaliações a um dos domínios do ambiente virtual adaptativo.
146
Os relacionamentos possuem indicação de multiplicidades que denotam o número de
ocorrência dos elementos das tabelas. O relacionamento entre as tabelas Sondagem_Inicial e
estilo_cognitivo indica que uma sondagem inicial possui pelo menos um estilo cognitivo;
porém, um estilo cognitivo pode ocorrer em uma ou várias sondagens iniciais. A ligação
denotada pela flecha preta negritada determina a herança entre duas tabelas.
6.10.1 Atributos Relevantes
Os atributos do usuário podem ser classificados em três grupos diferentes: atributos
relacionados com os conhecimentos do domínio, relacionados com conhecimento geral (ou
background) e outros atributos que descrevem as preferências, tarefas e metas do usuário.
Para os propósitos de modelagem, Koch (2000) considerou suficiente dois grupos de atributos
relativos ao modelo de usuário: “conhecimento do usuário relacionado com os componentes
do domínio” e “características gerais do usuário”. Os dois grupos estão representados no
diagrama de classes do modelo de usuário (figura 47), apesar de não se relacionarem
diretamente com o RHA, são de fundamental importância para as adaptações e, também, para
o processo de retroalimentação.
O primeiro grupo inclui os atributos dependentes do domínio, enquanto que os
atributos do segundo grupo são considerados independentes do domínio. O segundo grupo
também inclui conhecimentos não relacionados com os componentes do domínio, como o
conhecimento de background. Assim, são denominados atributos dependentes e atributos
independentes e são tratados de forma separada no modelo de Munich (KOCH, 2000), mas
são representados e implementados em conjunto no AHAM (DE BRA, 1999).
Os atributos dependentes geralmente são relacionados com um componente do
domínio da hipermídia. Exemplos de atributos dependentes são (KOCH, 2000):
• Conhecimento: Indica quanto o usuário conhece sobre o conteúdo do
componente;
• Experiência: Designa práticas anteriores do usuário que podem ser úteis na
adaptação, tais como: experiência com computador, experiência em navegar na
Web, etc.;
• Leitura: Informa se o usuário leu ou não algo sobre o conteúdo do componente.
Em sistemas baseados na Web, é usado para mostrar a visualização dos links de
147
páginas visitadas e não visitadas (geralmente cor azul e violeta
respectivamente);
• Tempo Decorrido: Mostra quanto tempo decorreu desde que o usuário leu o
conteúdo, para determinar se ele pode ter esquecido ou não o que aprendeu;
• Resolvido: Mostra se a resposta do usuário para a questão ou o exercício
formulado está correta;
• Pronto-para-ler: Indica quando o usuário está pronto para ler sobre um
determinado tópico/componente do domínio, etc.
Alguns exemplos de atributos que são independentes do domínio são:
• Meta: Indica o tipo de meta do usuário, como pesquisa, aprendizado ou
exercícios;
• Imagem: Indica se o conteúdo será apresentado usando ou não imagens;
• Exemplo: Mostra se o conteúdo será apresentado ao usuário com ou sem
materiais de exemplos;
• Experiência: Designa práticas anteriores do usuário que podem ser úteis na
adaptação, tais como: experiência com computador, experiência em navegar na
Web, etc.;
• Linguagem: Indica o idioma escolhido para apresentação do conteúdo, como:
inglês, francês ou grego.
Se existirem atributos independentes do domínio, então, se tem um modelo de usuário
independente do domínio. A vantagem desse formato de modelo de usuário é que ele poderá
ser utilizado por diferentes aplicações.
Os valores dos atributos independentes ou dependentes do domínio podem ser
representados por (KOCH, 2000):
• Boolean: valor lógico que indica verdadeiro ou falso, que significa dizer se o
usuário conhece ou não um determinado tópico ou conceito do domínio, ou
que o usuário possui ou não uma determinada preferência;
• Discreto: expresso por um conjunto pequeno de valores como: “não sei”,
“aprendendo”, “aprenderei”, “saberei”, ou valores como 1 para “alto”, 2 para
“mediano” e 3 para “baixo”. Ou até “s” para “exercícios-resolvidos”, “r” para
“exercício-lido”, “f” para “exercício-errado”, e assim por diante;
• Probabilístico: dado por um número real.
148
Alguns atributos que estão contemplados no processo de desenvolvimento do modelo
RHA merecem destaque. A seleção de atributos do usuário que são importantes para o modelo
RHA segue listada abaixo (KOCH, 2000):
• Conhecimento: Indica quanto o usuário conhece sobre o conteúdo do
componente;
• Exemplo: Mostra se o conteúdo será apresentado ao usuário com ou sem
materiais de exemplos;
• Experiência: Designa práticas anteriores do usuário que podem ser úteis na
adaptação, tais como: experiência com computador, experiência em navegar na
Web, etc.;
• Imagem: Indica se o conteúdo será apresentado usando ou não imagens;
• Leitura: Informa se o usuário leu ou não algo sobre o conteúdo do componente.
Em sistemas baseados na Web, é usado para mostrar a visualização dos links de
páginas visitadas e não visitadas (geralmente cor azul e violeta
respectivamente);
• Meta: Indica o tipo de meta do usuário, como pesquisa, aprendizado ou
exercícios;
• Resolvido: Mostra se a resposta do usuário para a questão ou o exercício
formulado está correta;
• Som: Indica se o conteúdo será apresentado usando ou não sons;
• Tempo Decorrido: Mostra quanto tempo decorreu desde que o usuário leu o
conteúdo, para determinar se ele pode ter esquecido ou não o que aprendeu.
• Tempo Máximo de Inatividade: Informa o tempo máximo que o usuário pode
ficar sem interagir com o sistema (clique do mouse ou entrada de dados) até
que o sistema realize automaticamente, por decurso de prazo, uma interação
sem atualizar o modelo do usuário.
Os atributos acima listados são utilizados no processo de retroalimentação proposto no
RHA e são descritos na simulação do modelo RHA no capítulo 7.
149
6.11 A Retroalimentação
Os Sistemas Hipermídia Adaptativos têm como principal fonte de dados para a
atualização do modelo do usuário o comportamento navegacional deste usuário; no entanto,
outros aspectos sobre ele e sobre o seu ambiente também devem ser armazenados.
Enquanto algumas destas informações podem ser também deduzidas do
comportamento navegacional, outras devem ser coletadas através de instrumentos ou
ferramentas para avaliação de aprendizagem. Os tipos de eventos normalmente encontrados
nos AHS são:
• O usuário segue um link para outra página;
• O usuário realiza um teste de múltipla escolha;
• Informações sobre o usuário são importadas de outro Sistema de Hipermídia
Adaptativa;
• Uma preferência de usuário é um conjunto de dados declarados por ele através de
um formulário;
• O usuário permanece inativo (sem interagir com o sistema) por um tempo que
exceda o limite estabelecido pelo sistema.
A aquisição é o processo de coleta das entradas do usuário no sistema pela forma que
estiver disponível, seja pelo clique do mouse/digitação ou tempo de permanência,
correspondendo às interações do usuário com o Sistema de Hipermídia Adaptativa.
O modelo RHA propõe que essa atualização, denominada de retroalimentação, seja
feita baseada em uma interface de formulários, testes de múltipla escolha (quiz), ferramenta
de comunicação/interação (chat, fórum) ou ferramentas para escrita colaborativa (wiki).
Com já foi visto anteriormente no modelo de usuário do Munich, na classe
“GerenciaUsuario”, a função ‘atualiza’ é que modifica o valor de um atributo específico
(ValorAtribUsuário) para um determinado usuário (UsuárioID). Então, por meio do
relacionamento entre as classes UsuárioID, Usuário e GerenciaUsuário, é determinada a
retroalimentação dos resultados das avaliações realizadas em um domínio específico. Os
atributos que devem ser atualizados foram definidos na seção 6.10.1.
O capítulo 7 apresenta a simulação do modelo RHA e detalha como ocorre esse
processo de retroalimentação.
150
7 Simulação do Modelo RHA
A simulação do RHA ocorreu após a definição dos estilos cognitivos, do processo de
sondagem inicial e das ferramentas de comunicação/interação adotadas.
O domínio de conhecimento escolhido para a simulação foi a área de capacitação em
Mercado de Capitais. Todo o material instrucional desenvolvido tratou da análise de empresas
de capital aberto listadas na Bolsa de Valores de São Paulo (Bovespa).
O processo ocorreu em um ambiente empresarial (com sede em Londrina-PR). Contou
com a participação de 8 colaboradores que trabalham na área de investimento em Bolsa de
Valores e foi realizado durante quatro dias. Após o início da simulação, por meio da
sondagem inicial, foram triados os seguintes estilos cognitivos: dois colaboradores foram
definidos como estilo cognitivo dependente, três como independente, um como holistas e dois
como serialista. Essa atividade foi realizada para verificação do ambiente.
É importante destacar que os representantes do público-alvo desse domínio de
conhecimento estão habituados com atividades classificadas como on-line, pois atuam em
uma área que já desenvolve suas atividades exclusivamente na Internet, visto que grande parte
das operações do mercado de capitais é consolidada por meio de ferramentas via Web.
O referido domínio de conhecimento foi escolhido por apresentar as seguintes
características:
– necessidade de interação com os aprendizes, por meio de ferramentas de
comunicação/interação, possibilitando interação entre professor-alunos, alunos-alunos e
alunos-professor;
– real importância em avaliar o rendimento dos aprendizes, para emissão de
certificados, e análise de pré-requisitos para novos treinamentos;
– existência de poucos cursos a distância já desenvolvidos nessa área.
Para a simulação, foi escolhido o primeiro módulo de treinamento, com foco em
Introdução ao Mercado de Capitais e Análise de Empresas. Esse e os demais módulos são
apresentados na seção 7.3.
7.1 Ambiente Virtual de Aprendizagem Adotado
Os Ambientes Virtuais de Aprendizagem (AVA) são softwares que fazem a ligação
entre o aluno e o professor, reunindo todas as funcionalidades necessárias para proporcionar
um bom rendimento no aprendizado. Estes ambientes dispõem de diversos recursos que
151
facilitam a interação do aluno com o professor ou com outros alunos do mesmo curso. Alguns
desses recursos são definidos como serviços síncronos (chat, videoconferência, etc.) e
assíncronos (fóruns, e-mails, mural, etc.).
Para a simulação do modelo RHA, foi necessário operacionalizar algumas das
funcionalidades dos AVA, a fim de demonstrar como o modelo e sua concepção de
retroalimentação podem apoiar o processo de adaptação, criando, assim, um AVA adaptativo.
Dado esse condicional, foram pesquisados alguns dos AVA existentes e coletadas
informações sobre eles, a fim de triar o que mais se adequasse aos objetivos da pesquisa,
tendo em vista que não está entre os objetivos o desenvolvimento de um novo ambiente. Entre
os AVA pesquisados estão: AulaNet, ClassNet, Learning Space, Moodle, TelEduc, WebCT.
Os requisitos considerados para a escolha do ambiente foram: plataforma baseada em
software livre; código aberto (opensource); tecnologias (banco de dados e linguagem de
programação) difundidas; facilidade de acesso à comunidade de desenvolvedores e usuários.
Atendendo às características acima, tem-se o ambiente Moodle, desenvolvido, em
1999, pelo australiano Martin Dougiamas e disponibilizado atualmente em 40 idiomas.
O Ambiente Virtual de Aprendizagem Open Source Moodle (Modular Object
Oriented Distance Learning) é utilizado por instituições de ensino em todo o mundo,
apresentando uma grande comunidade composta de membros com diferentes objetivos, desde
manutenção e aperfeiçoamento do sistema a discussões referentes a estratégias pedagógicas
para um bom aproveitamento do ambiente para o ensino (ALVES, 2005).
O projeto e o desenvolvimento do Moodle pautam-se na proposta da Pedagogia Social
Construcionista, o que representa uma significativa vantagem em relação a outras
plataformas, pois prioriza atividades individuais e colaborativas que envolvam a construção
do saber (PULINO, 2004).
A comunidade Moodle é bastante ativa, contando, atualmente, com cerca de 48.000
membros de aproximadamente 115 países e, embora a maioria das discussões seja da
comunidade internacional, existe também a comunidade brasileira atuando no
aperfeiçoamento da plataforma e contribuindo com discussões relevantes e trabalhos
colaborativos, auxiliando na construção do aprendizado da comunidade sobre o ambiente
(MUNIZATTI, 2007), (GRAF, 2002).
O ambiente Moodle conta com diversos recursos que dão apoio pedagógico e
administrativo aos usuários (administradores, professores, tutores e alunos). Dentre eles,
destacam-se (MOODLE, 2008):
152
• Administração do site: O site é administrado por um usuário administrador. O
ambiente Moodle possui ferramentas com as quais o administrador do site pode
definir sua aparência;
• Administração dos usuários: Esse módulo é utilizado para administrar os
usuários do Moodle, suportando uma variedade de mecanismos de autenticação
através de extensões (plug-in) com módulos de autenticação, permitindo fácil
integração com sistemas existentes;
• Administração de curso: Recurso utilizado pelo professor para controlar os
parâmetros de um curso, tendo total controle sobre ele, podendo restringir até os
outros professores;
• Módulo Tarefa: Tarefas podem ser marcadas com uma data de cumprimento e
uma nota máxima, os alunos podem enviar suas tarefas para o servidor;
• Módulo Chat: Permite a interação através de texto, de forma síncrona e sem
problemas;
• Módulo Pesquisa de Opinião: Semelhante a uma eleição, o aluno pode participar
de enquetes;
• Módulo Fórum: Cada pessoa pode se inscrever em cada um dos fóruns, de modo
que cópias são encaminhadas via e-mail, ou o professor pode forçar a inscrição
de todos;
• Módulo Questionário: Os professores podem definir uma base de dados de
questões que podem ser reutilizadas em diferentes questionários;
• Módulo Recursos: Suporta qualquer conteúdo eletrônico, por exemplo, um
arquivo de texto, uma planilha ou uma apresentação de slide;
• Módulo Pesquisa de Avaliação: Relatórios de pesquisa on-line sempre
disponíveis, incluindo muitos gráficos, e os resultados do aluno podem ser
fornecidos, comparados aos da média da classe;
• Módulo Laboratório de Avaliação: Permite a avaliação de documentos por
parceiros, e o professor pode administrar e atribuir notas à avaliação feita pelos
estudantes. É um módulo muito flexível e com várias opções.
Esses recursos garantem ao ambiente uma estrutura modular, como pode ser
observado no diagrama proposto na figura 51, cuja visão é balizada pelas ferramentas do
AVA e suas integrações. Nesta abordagem, não foram especificados os conceitos de Banco de
Dados do ambiente.
153
É possível notar, pela figura 51, que o Moodle apresenta ferramentas administrativas
para manipulação dos dados de cursos e usuários. Essa manipulação é feita via cadastramento,
permitindo alteração e exclusão de dados já previamente inseridos. Neste módulo de
ferramentas administrativas ficam os dados relativos ao log dos usuários. Além disso, é
possível, por meio deste módulo, administrar os elementos que formam a interface do Moodle
(AMARAL, 2007).
Figura 51. Diagrama esquemático do Moodle
Os módulos para publicação de Material Instrucional são utilizados por professores,
alunos e, eventualmente, tutores para apresentação e manipulação dos conteúdos e das
atividades que serão desenvolvidas com base neles. As ferramentas de comunicação formam
um conjunto para estabelecer comunicação entre os usuários envolvidos no processo de
ensino-aprendizagem. Bate-papo e Fórum são considerados módulos de comunicação, pois
podem ser inseridos e utilizados em qualquer um dos módulos para publicação e manipulação
de material instrucional. Todos estes módulos convergem para a interface, que é o meio de
interação direta com os usuários do AVA (AMARAL, 2007).
De acordo com os estudos realizados na área de hipermídia e com as pesquisas
desenvolvidas sobre o Moodle, é possível realizar uma analogia entre a organização modular
do ambiente e os modelos de domínio e usuário tradicionais de um hipermídia adaptativo.
Sendo assim, pode-se considerar como parte do modelo de usuário as ferramentas
administrativas e que manipulam os logs dos alunos, além dos próprios dados armazenados. O
modelo de domínio é expresso pelos módulos para publicação e manipulação de material
instrucional, ferramentas de comunicação e módulos de comunicação.
A organização modular do ambiente torna possível a integração de um modelo de
adaptação, bem como a inclusão dos elementos relacionados com o modelo RHA.
Módulos para publicação e manipulação de Material Instrucional Lições, Quiz, Tarefas, Exercícios, Oficinas, Wiki
Ferramentas de Comunicação Mensagem Instantânea
Módulos de Comunicação Bate-papo (Chat) Fórum
Ferramentas Administrativas Cursos Usuários Alunos, Professores Elementos de Interface
Interface (Temas)
Usuários
154
As características abordadas acima tornam o ambiente Moodle adequado para essa
pesquisa.
7.1.1 Aspectos Técnicos do Ambiente Virtual de Aprendizagem Adotado
Para garantir melhores condições à comunidade de usuários do Moodle, algumas
atualizações são feitas, viabilizando uma freqüente evolução. Essas várias atualizações
totalizam 40 versões desde 20 de agosto de 2002, quando foi lançada oficialmente a versão
1.0, até a versão 1.9 Beta, lançada em 14 de agosto de 2007, estando em teste pela
Comunidade Moodle e liberada em 3 de março de 2008 (MOODLE, 2008). Desde a primeira
versão, esse AVA, mantém a mesma arquitetura modular, simples e robusta, facilitando a
criação de novos módulos e funcionalidades (MOODLE, 2008).
Funcionando em qualquer plataforma, o Moodle pode ser instalado tanto em sistemas
Unix, GNU/Linux, Microsoft Windows, MacOS X ou em qualquer outro, contanto que
ofereçam suporte a PHP.
Outra característica importante é o bom suporte aos sistemas gerenciadores de bancos
de dados MySQL e PostgreSQL, podendo também trabalhar com outros SGBD através da
biblioteca ADOdb, que atua como uma camada de abstração de bancos de dados escrita para
atender as linguagens PHP e Python.
Essa pesquisa foi simulada em um servidor Debian Linux, com os seguintes itens
instalados: Apache versão 2.2.6, Moodle versão 1.8, Banco de Dados MySQL versão 5.0.51,
PHP versão 5.2.5-3. Esses dados são relevantes, pois formam a plataforma em que foram
realizadas as alterações da base atual do Moodle para a implementação e simulação do
modelo RHA.
7.2 O Modelo de Usuário
Dado o mapeamento supracitado, o modelo de usuário, nessa concepção de ambiente
virtual de aprendizagem adaptativo, com inclusão do modelo RHA, utilizará os dados e a
estruturação já existente no Moodle.
Os dados relevantes do usuário, obtidos no momento do primeiro acesso, estão
apresentados na figura 52.
155
Figura 52. Tela de Cadastro dos Usuários.
É possível notar que os campos obrigatórios desse cadastro estão destacados com um
sinal de asterisco. Além das informações obtidas no primeiro contato do usuário, o ambiente
armazena dados relativos ao processo de navegação nos conteúdos e ferramentas.
Na figura 53 é apresentado o esquema gráfico da tabela usuário. Nessa tabela, podem
ser destacados os seguintes atributos do usuário, obtidos no momento do cadastro: idnumber,
que é o número de identificação deste usuário, atributo este utilizado internamente nas rotinas
do ambiente; username, que descreve o nome do usuário; e-mail, também definido pelo
usuário. Os atributos que são obtidos em tempo de execução e que merecem ser destacados
pela relevância para essa pesquisa são: firstacess, que registra os dados de horário e data do
primeiro acesso do usuário; lastacess, que registra os dados de horário e data do último acesso
do usuário ao ambiente; lastlogin, que registra as informações de horário e data do último
login do usuário; e currentlogin, que registra o log atual do usuário para o acesso ao ambiente.
156
Figura 53. Esquema de Banco de Dados da Tabela Usuário (user) do ambiente.
A tabela 7 apresenta as diferenças entre os atributos firstacess, lastacess, lastlogin,
currentlogin.
Atributo Descrição Firstacess Armazena o horário e a data do primeiro acesso ao ambiente. Lastacess Armazena o horário e a data do último acesso ao ambiente. Lastlogin Armazena o horário e a data do último login do usuário no
ambiente. Currentlogin Armazena o horário e a data do login atual do usuário no
ambiente. Tabela 7. Atributos pertinentes ao modelo do usuário
157
Cada usuário pode possuir um conjunto de atributos dependentes ou atributos
independentes do domínio, preferências que estão descritas na seção 6.10.1, e têm
relacionamento com o estilo cognitivo do usuário. Para implementar essa funcionalidade, a
tabela usuário (user) possui um relacionamento com as tabelas “atrib_dependente” e
“atrib_independente”, que armazena o identificador único do usuário (comprovando o
relacionamento do usuário com seus atributos) e os diversos atributos que se encaixam em
cada uma das categorias. Essas particularidades podem ser visualizadas na figura 54.
Figura 54. Esquema de Banco de Dados das Tabelas de Atributos Independentes e Dependentes.
Cada usuário pode possuir um conjunto de preferências que engloba: cor de tela,
tamanho de fonte e ordenação de itens de menu, entre outros. Para implementar essa
funcionalidade, a tabela usuário (user) possui um relacionamento com uma tabela
denominada “user_preferences”, que armazena o identificador único do usuário
(comprovando o relacionamento do usuário com suas preferências), o tipo de preferência e os
descritores das preferências proprimamente ditas, o nome e o valor atribuído pelo usuário.
Essas particularidades podem ser visualizadas na figura 55.
Figura 55. Esquema de Banco de Dados da Tabela Preferências do Usuário (user_preferences) do ambiente.
Ainda é importante ressaltar que a tabela usuário (user) tem relacionamento com as
tabelas de cada uma das ferramentas de comunicação/interação do ambiente. Portanto, é
158
possível, via identificador único do usuário, monitorar quais ferramentas foram acessadas, em
que momento o usuário as acessou e quais atividades foram realizadas por ele. Um exemplo
da situação descrita está apresentado na figura 56.
No acesso a ferramenta wiki, o usuário pode ser identificado via atributo (a)
apresentado na figura 56. Cada alteração no wiki é dada em uma página. As alterações
realizadas por um determinado usuário podem ser identificadas pelos atributos (b) da figura
56, que identificam o autor da alteração pelo seu identificador único.
Esse esquema de identificação, adotado na ferramenta wiki, é padrão para as demais
ferramentas existentes no ambiente. O modelo RHA faz uso desses atributos, definidos na
classe ferramenta. A ferramenta wiki é considerada uma ferramenta do tipo colaborativa,
como é descrito no modelo RHA.
Figura 56. Esquema de Banco de Dados da ferramenta Wiki do ambiente.
7.3 Modelo de Domínio e a Avaliação de Aprendizagem
A capacitação em Mercado de Capitais é a área de conhecimento da simulação
desenvolvida. Os treinamentos são divididos em seis módulos e possuem diversos materiais
disponibilizados para cada um dos módulos realizados. A organização seqüencial desses
módulos, que foram desenvolvidos utilizando o ambiente, está apresentada no quadro 2.
(a)
(b)
159
MÓDULO TÍTULO I Introdução ao Mercado de Capitais II Políticas Gerais de Investimentos III Análise de Balanços para Investimentos IV Escolas & Metodologias de Investimentos V Teoria das Carteiras para Investidores Pessoa Física VI Análise de Riscos, VAR e Relatórios de Risco
Quadro 2: Estrutura seqüencial dos treinamentos.
O treinamento ocorre 100% na modalidade a distância. Os materiais foram
desenvolvidos em diversas mídias: texto, slides, gráficos, imagens ilustrativas, esquemas
gráficos, vídeos arquivados, vídeos ao vivo e áudios.
Exemplos de conteúdos teóricos definidos para o curso em questão e disponibilizados
no ambiente virtual de aprendizagem (com modelo RHA) podem ser visualizados na figura
57.
A figura 57 (a) mostra um tutorial com links para pesquisa que se encaixa no conteúdo
de preferência do estilo cognitivo dependente. Os links estão expostos em duas situações: no
sumário do tutorial e também interno aos textos. As setas dispostas no canto superior direito
são utilizadas como opção para navegação no tutorial.
Figura 57. Conteúdos elaborados conforme estilos cognitivos.
(a)
(b)
(c) (d)
Esquema adotado
160
Já na opção 57 (b) tem-se um exemplo de texto descritivo ilustrado com utilização de
esquema, que pode ser adotado por um estilo cognitivo independente.
O estilo holista possui preferência por conteúdo apresentado na opção 57 (c), que
mostra um texto descritivo ilustrado com links para pesquisa.
Na opção 57 (d) é apresentado o conteúdo em forma de tutorial simples, que é
considerado uma preferência do estilo cognitivo serialista.
Como pode ser observado, o conteúdo é o mesmo, porém as formas de apresentação
variam dependendo do estilo cognitivo estabelecido. Este exemplo ilustra a organização de
diferentes modos de apresentação para um tópico do domínio escolhido. Os demais tópicos
(ou conceitos) do domínio também seguem esse esquema de classificação e apresentação.
As ferramentas de comunicação/interação adotadas como instrumentos de avaliação
também seguem a mesma idéia dos conteúdos teóricos do modelo de domínio. Então, no
ambiente virtual adaptativo com uso do RHA, tem-se o seguinte cenário, dado no quadro 3,
para exemplificar o uso de pelo menos uma ferramenta de comunicação/interação para cada
dimensão de estilo cognitivo.
As devidas justificativas das ferramentas de comunicação/interação selecionadas para
cada um dos estilos cognitivos, já foram apresentadas na seção 6.4.
Dimensão do Estilo Cognitivo Ferramenta de Comunicação/Interação Dependente Wiki Independente Fórum Holista Bate-papo ou Chat Serialista Quiz
Quadro 3: Estilos cognitivos e ferramentas associadas.
Foram selecionadas ferramentas de comunicação/interação para avaliar os conteúdos
pertinentes ao primeiro módulo de treinamento, “Introdução ao Mercado de Capitais”, listado
no quadro 2 e apresentado anteriormente na figura 57. A figura 58 mostra uma listagem geral
dos tipos de ferramentas de comunicação/interação para o tópico proposto.
Figura 58. Ferramentas de Comunicação/Interação e tópico proposto.
Fórum
Quiz
Wiki
Chat
161
A aplicação das ferramentas, associada aos estilos cognitivos, na simulação realizada,
está ilustrada na figura 59.
Figura 59. Simulação das Ferramentas de Comunicação/Interação.
A figura 59 (a) retrata a proposta de uso da ferramenta de comunicação/interação para
usuários do estilo cognitivo independente. A ferramenta adotada para o estilo cognitivo
serialista é exibida na figura 59 (b). A ferramenta Wiki foi proposta para o estilo cognitivo
dependente, e está apresentada na figura 59 (c). Por fim, a ferramenta Bate-papo (ou chat),
ilustrada na figura 59 (d), foi selecionada para o estilo cognitivo holista.
7.4 O Modelo RHA na Simulação
O princípio da simulação do modelo RHA é dado com a sondagem inicial, conforme
detalhado na seção 6.9. O método proposto possui dezesseis questões, cada uma delas com
foco em um dos quatro estilos cognitivos definidos anteriormente. Portanto, são quatro grupos
de questões, uma para cada estilo cognitivo. A cada questão existente há cinco alternativas de
respostas possíveis e cada uma das respostas possui um peso pré-estabelecido que varia de um
a cinco.
Após agrupar as questões por seus estilos cognitivos, chegou-se a uma expressão
matemática adotada para o cálculo que gera um valor para cada um dos estilos cognitivos.
Como são adotados quatro estilos cognitivos nesta pesquisa, então tem-se quatro valores
calculados com a fórmula proposta. O maior valor encontrado, dentre esses quatro, determina
o estilo predominante e é a resposta atribuída à sondagem inicial (BARIANI, 2000).
(a) Fórum (b) Quiz
(c) Wiki (d) Bate‐papo
162
A expressão matemática é apresentada na fórmula 1.
( )∑=
×5
1 5i
iQ ε
Fórmula 1. Expressão adotada para cálculo da resposta da sondagem inicial. Fonte: Bariani, 2000.
Na qual Q é a função dos estilos cognitivos e (ε) representa a quantidade de
alternativas respondidas para cada grupo de estilo cognitivo. A variável i representa o peso de
cada uma das alternativas (variando de um até cinco). Para se atingir a média, é realizada a
divisão pelo denominador de valor igual a cinco.
O estilo cognitivo de maior média é considerado o estilo predominante do usuário, que
deve ser armazenado no modelo de usuário já apresentado.
Para dar suporte à modelagem explicitada na presente seção, tornou-se necessário
desenvolver algumas tabelas, a fim de complementar o modelo de banco de dados proposto
pela figura 50. Essas tabelas adicionais, que refinam o modelo RHA proposto, não são
obrigatórias e seus desenvolvimentos dependem do método de sondagem inicial escolhido.
No RHA, as características do questionário proposto e o método de cálculo adotado
para a determinação do estilo cognitivo nortearam o desenvolvimento do refinamento
proposto na figura 60.
Figura 60. Tabelas adicionais para a sondagem inicial.
Com base nas resoluções propostas, o modelo RHA sofreu uma readequação, para
agregar as classes derivadas do processo de sondagem inicial adotado. É importante notar que,
dependendo do método de sondagem inicial adotado, devem ser realizadas outras
readequações ao RHA. A figura 61 apresenta a readequação desenvolvida.
163
Figura 61. Diagrama de Classes do modelo RHA explicitando a sondagem inicial.
As classes “Questões” e “Resposta” foram inseridas, para definir o processo de
sondagem inicial pretendido. Assim, as questões do questionário inicial e as possíveis
respostas às suas possíveis respostas são contempladas nas classes destacadas na figura 60.
O método “coletarDados” da classe Sondagem_Inicial é responsável pelo cálculo
determinado na fórmula 1.
Com a definição do estilo cognitivo predominante, é possível definir as regras de
adaptação que estão relacionadas com as classes do modelo de adaptação.
Uma das regras de adaptação é a utilizada no primeiro momento de uso do ambiente,
após o usuário responder o questionário da sondagem inicial. Essa regra é baseada em um
condicional e sua representação gráfica está na figura 62, sob a forma de um diagrama de
atividades. Essa regra é um método da classe regra_estilo.
Figura 62. Diagrama Regra 1 de Adaptação.
164
Conforme o estilo cognitivo triado na sondagem inicial, deve ser apresentado um dos
tipos de conteúdo já apresentados na seção 7.5, figura 56. Da mesma forma, as ferramentas de
comunicação/interação devem ser elencadas de acordo com o estilo cognitivo resultante da
sondagem inicial.
Essas adaptações são possibilitadas pelos fluxos de dados e os relacionamentos
existentes e apresentados no diagrama genérico de adaptação da figura 63.
Figura 63. Relacionamento e fluxo dos dados para as adaptações.
As adaptações realizadas em decorrência do processo de retroalimentação, além de
utilizarem as classes (ou tabelas mapeadas) do modelo de adaptação (adaptação, regra,
adaptação_regra e regra_estilo), também utilizam atributos das classes usuário e
atribIndependente e atribDependente. Além disso, consultam atributos das classes domínio e
componentes, sendo esta última a que descreve as ferramentas de comunicação/interação.
É importante ressaltar que a retroalimentação emprega os resultados das utilizações
das ferramentas de comunicação/interação. No ambiente virtual de aprendizagem adaptativo,
cada ferramenta de comunicação/interação gera o seu resultado de utilização, ou a avaliação
de uso, conforme seus requisitos funcionais.
O quiz, por exemplo, gera seu resultado com a contagem dos acertos. Quem delimita
uma média para a avaliação é o professor. Então, com base nesse valor, é possível estabelecer
a seguinte regra de adaptação, que funciona como retroalimentação:
Se estilo_cognitivo=(dependente ou serialista) e valorquiz<mediaestabelecida então
exibir outros links para pesquisa.
Usuário
Domínio
Componente
Avaliação
Estilo Cognitivo Adaptação
165
Para tornar tal funcionalidade possível, foi necessário incluir na tabela quiz do Banco
de Dados do ambiente Moodle o atributo ‘valorquiz’ do tipo real. Também foi preciso criar
uma tabela para conter os links indicados para pesquisa, como visualizado na figura 64. Além
disso, foi necessária a criação de uma caixa de edição para inserção dos links para pesquisa
extra.
Figura 64. Tabela Quiz e suas alterações.
É importante ressaltar que essa funcionalidade, proveniente da regra de adaptação
supracitada, foi adotada para os estilos dependente e serial.
Para os estilos independente e holista, que utilizam fórum e chat, respectivamente,
serão contadas as contribuições ou interações realizadas pelos usuários. O professor deve setar
o número mínimo de contribuições para que o aluno receba mais textos descritivos ilustrativos
sobre o assunto do chat ou do fórum.
No caso do wiki, isso pode ser implementado por meio dos atributos listados na tabela
que armazena as entradas realizadas no wiki, ou seja, tabela “wiki_entries”, como aponta a
figura 65.
Figura 65. Tabela que armazena as entradas do wiki.
166
É possível, por meio da tabela “wiki_entries”, conhecer o usuário que fez uma
determinada entrada em um dado horário. Essa tabela armazena um histórico das entradas. É
possível, portanto, obter a quantidade de entradas que um determinado usuário realizou no
wiki. Ao criar o wiki, professor, tutor ou administrador deve setar a quantidade de entradas
mínimas que um usuário do tipo aluno deve realizar. Esse atributo constante, denominado
valorwiki, foi inserido na tabela wiki, como mostra a figura 66.
Figura 66. Atributo que determina o valor mínimo de contribuições a um wiki.
Assim, o modelo de adaptação usa o atributo valorwiki e os atributos da tabela
“wiki_entries” para realizar a seguinte regra de adaptação para cada usuário:
Se estilo_cognitivo=(independente) e valorwiki>contagementradas então
enviar mensagem com texto descritivo ilustrado.
O mesmo esquema foi empregado com a ferramenta chat, adotada para o estilo holista.
As alterações realizadas na base de dados do ambiente foram análogas às expressas no caso
do estilo independente.
As regras de adaptação da presente seção também disparam regras para a
retroalimentação, que será efetivada no modelo de usuário com base nos atributos
dependentes e independentes do domínio.
167
Após a simulação, foi possível colher algumas relações existentes entre os atributos
dependentes e independentes, os estilos cognitivos e as regras de adaptação. A tabela 8
apresenta os atributos e com quais estilos cognitivos são mais relacionados.
Regra Tipo Atributo Estilo Cognitivo relacionado A Dependente Leitura Dependente, Independente, Holista, Serialista B Independente Meta Dependente, Independente, Holista, Serialista
Tabela 8. Atributos e estilos cognitivos mais relacionados.
A figura 67 apresenta a regra de retroalimentação A, que relaciona o atributo leitura
com todos os estilos cognitivos utilizados na pesquisa e age de maneira isonômica para todos
os estilos. Essa regra de retroalimentação verifica se o usuário já leu um determinado
conteúdo. Em caso afirmativo, disponibiliza conteúdo extra; em caso negativo, aguarda
leitura.
Figura 67. Retroalimentação com base no atributo Leitura.
A regra de retroalimentação determinada como B, na tabela 8, utiliza o atributo
independente denominado meta. Existem variações da regra para cada um dos estilos
utilizados. Isso pode ser visualizado na figura 68.
168
Figura 68. Retroalimentação com base no atributo meta.
O atributo meta é destinado a indicar o tipo de meta do usuário, que pode variar entre
pesquisa, aprendizado ou exercícios. Dependendo o estilo cognitivo do usuário um tipo de
meta é setado pelo ambiente hipermídia adaptativo e, posteriormente, com base na meta são
propostas atividades para o usuário.
Outros atributos independentes, como imagem e exemplos, também são foco da
retroalimentação. O processo para esses atributos é mais simples. No caso do atributo
imagem, se o estilo cognitivo é independente ou holista, então o atributo deve ser setado como
“verdadeiro” e os conteúdos devem apresentar imagens para o usuário. Para o atributo
exemplo, que se relaciona com o perfil independente, o mesmo método é válido, ou seja, nos
usuários de estilo cognitivo independente, esse atributo é valorado com “verdadeiro” e os
conteúdos devem conter exemplos.
169
8 Considerações Finais e Trabalhos Futuros
A base para o desenvolvimento dos sistemas hipermídia, sejam eles adaptativos ou
não, é denominada modelo de referência. Esse modelo atua como uma espécie de projeto para
o desenvolvimento da hipermídia. Usualmente, o modelo de referência é dividido em
módulos, que podem ser adotados na instância a ser desenvolvida.
Os módulos básicos de um sistema hipermídia são: modelo de usuário, modelo de
domínio e modelo de adaptação. Geralmente, os modelos de referência utilizam esses três
módulos no seu projeto. Observa-se, portanto, que não há, de forma explícita, menção ao
processo de avaliação de aprendizagem (do usuário final) nos módulos supracitados. Esta
pesquisa pautou-se nessa ausência para propor uma extensão de um dos modelos de referência
existentes, a fim de incluir aspectos relativos à avaliação de aprendizagem.
Com o intuito de complementar o processo de avaliação de aprendizagem, foram
estudas e aplicadas teorias sobre estilos cognitivos para tornar efetivo o uso dos resultados das
avaliações realizadas pelos aprendizes.
Como a proposta era a criação de um módulo que realizasse a atividade de avaliação
de aprendizagem utilizando critérios dos estilos cognitivos do aprendiz na seleção de novas
regras de adaptação, foi feita uma investigação, a fim de verificar qual dos modelos de
referência existentes supria as necessidades desta pesquisa.
Para nortear a seleção, foram determinados alguns requisitos relevantes ao modelo de
referência. Entre eles se destacam: a necessidade de organização modular, a facilidade no
provimento de reuso e a utilização do paradigma orientado a objeto no seu projeto. O modelo
de referência que se enquadrou nos requisitos citados foi o modelo de Munich que foi,
portanto, adotado como base desta pesquisa. É interessante ressaltar que o modelo RHA,
determinado nesta pesquisa, pode ser adaptado a outros modelos de referência que sejam
definidos em módulo e que tenham suas especificações compatíveis com a orientação a
objetos.
O referencial teórico relativo à área de estilos cognitivos indica uma gama de
dimensões cognitivas. Na presente pesquisa, foram selecionadas duas das dimensões
existentes, a fim de utilizá-las juntamente com os resultados das avaliações de aprendizagem.
As dimensões adotadas foram: holista-serialista, dependente-independente do domínio, por
serem consideradas clássicas e extensivamente utilizadas nas pesquisas da área de estilos
cognitivos. Vale a pena ressaltar que, apesar de esta pesquisa considerar o estilo cognitivo do
170
usuário como único durante sua interação no ambiente, o ideal seria haver uma reorientação
do estilo cognitivo conforme as ações desempenhadas pelo usuário.
Cada uma destas dimensões possui particularidades quanto às suas ações no processo
de navegação e acesso aos conteúdos, quanto às suas preferências em relação às ferramentas
de comunicação/interação e quanto a formas de avaliação de aprendizagem. Com base nessas
variáveis, foi realizada uma averiguação para adequar os estilos cognitivos, suas ações e
preferências de ferramentas de comunicação/interação aos instrumentos de avaliação de
aprendizagem de ambientes hipermídias de ensino a distância.
Determinados esses fatores, foi, então, realizada a modelagem em orientação objetos
do modelo RHA. Para ser integrado com o Munich, o RHA utilizou UML, dadas as
características de modularidade, reaproveitamento de módulos e facilidade para
implementação do modelo. O Munich utiliza uma variação, ou extensão, da UML
denominada UWE, conforme discutido no capítulo três deste trabalho. Para tornar o RHA
integrado tanto ao Munich como a outros modelos de referência que adotam a orientação a
objetos como paradigma, foram concebidos classes, métodos e atributos utilizando a base da
UML.
O modelo RHA se relaciona com os demais meta-modelos do Munich. A ligação entre
o meta-modelo de domínio e o RHA é dada por meio de dois relacionamentos entre classes: o
primeiro, entre a classe domínio (do meta-modelo de domínio) e a classe avaliação (do RHA);
e o segundo, entre a classe componente (do meta-modelo de domínio) e a classe ferramenta
(do RHA). A integração entre o RHA e o meta-modelo de usuário foi definida por meio do
relacionamento entre as classes UsuarioID (meta-modelo do usuário) e sondagem inicial
(RHA), pois é necessário que o RHA tenha acesso às características do usuário e aos seus
atributos. E, finalmente, o RHA se relaciona com o meta-modelo de adaptação pela ligação
existente entre as classes adaptação (meta-modelo de adaptação) e avaliação (RHA).
Além das classes criadas e utilizadas na integração do RHA com os demais modelos
do Munich, foram criadas classes para: definição dos estilos cognitivos, definição das regras
de adaptação relacionadas a cada estilo cognitivo e classes filhas da classe ferramenta
(designadas para definir as ferramentas de comunicação/interação), decorrentes de
especializações de dois tipos de ferramentas.
No decorrer da pesquisa, observou-se necessidade de utilizar elementos já existentes
em ambientes hipermídias de ensino a distância e em modelos de referência. Funcionalidades
como controle do usuário (relativas ao modelo de usuário) e apresentação do conteúdo
171
instrucional a ser ensinado (relativas ao modelo de domínio) deveriam ser desenvolvidas para
darem suporte à simulação do modelo RHA. Essas funcionalidades são clássicas em
ambientes de ensino a distância, ou ambientes virtuais de aprendizagem (AVA); portanto, a
opção foi reutilizar esses elementos com a escolha de um ambiente específico.
A determinação do ambiente ideal para a simulação do RHA ocorreu após um amplo
estudo sobre a área de AVA. O ambiente deve permitir que sejam realizadas novas
implementações e até alterações em módulos já existentes. Portanto, um fator preponderante
nessa escolha foi o fato de o ambiente ser classificado como opensource, ou seja, ambiente de
código aberto, passível de alterações em seu código.
A escolha recaiu sobre o Moodle, que, além de ser categorizado como opensource,
possui uma organização modular que pode ser considerada análoga aos ambientes hipermídia
adaptativos, bem como às definições do modelo de referência Munich.
Foram, então, implementadas as classes definidas no RHA para serem integradas ao
Moodle e, posteriormente, servirem de base à simulação do RHA. Também foram necessárias
alterações em ferramentas já existentes no ambiente, com a finalidade de darem suporte às
funcionalidades relativas aos estilos cognitivos e às ferramentas de comunicação/interação
definidas.
A simulação do modelo RHA só foi possível após a definição de um domínio de
conhecimento específico, que gerou material instrucional suficiente para alimentar o ambiente
hipermídia adaptativo. A área em questão é a de Mercado de Capitais, especificamente análise
de ativos listados na Bolsa de Valores de São Paulo (Bovespa).
Na escolha do domínio de conhecimento, os requisitos que tiveram importância foram:
a) por esta ser uma área em que as atividades desenvolvidas pelos usuários e futuros
aprendizes (dos treinamentos em EaD) se dá exclusivamente via Web, já que todas as
operações do mercado de capitais são realizadas exclusivamente por meio de ferramentas
alocadas na Internet; b) existem poucos cursos a distância já desenvolvidos nessa área; c)
existência de vários materiais em mídias diferentes; d) possibilidade de desenvolvimento dos
materiais em níveis de aprofundamento distintos; e) necessidade de interação com os
aprendizes, por meio de ferramentas de comunicação/interação; f) importância em avaliar o
rendimento dos aprendizes, para emissão de certificados, e análise de pré-requisitos para
novos treinamentos; g) na área em questão, os treinamentos presenciais são caros; portanto, a
utilização do EaD é crucial para baratear o investimento dos aprendizes; h) a empresa que se
propôs a sediar a pesquisa aqui apresentada está localizada em uma cidade fora do tradicional
172
eixo Rio-São Paulo para Mercado de Capitais e, portanto, possui interesse em atender clientes
no Brasil todo, inclusive no eixo Rio-São Paulo.
É importante destacar que a simulação foi realizada no domínio de conhecimento
escolhido, porém, o RHA é genérico, como qualquer módulo de um modelo de domínio, a
ponto de ser base para a implementação em qualquer área de conhecimento.
8.1 Atendimento ao Objetivo da Tese
A concepção do modelo RHA, que reúne os instrumentos de avaliação, os estilos
cognitivos e as carecterísticas dos demais módulos de um modelo de referência, o
desenvolvimento dos diagramas em UML pertinentes ao modelo RHA, apresentados no
capítulo 6, bem como sua simulação, discutida no capítulo 7, demonstram que o objetivo geral
da tese foi alcançado.
A integração do modelo RHA com um modelo de referência existente, as
recomendações adotadas da teoria de estilos cognitivos e sua implantação em um ambiente
virtual de aprendizagem utilizado em larga escala, visando a inserção de aspectos de
adaptação, comprovam sua validade.
8.2 Resposta à Questão Pesquisa
O modelo RHA aqui proposto busca integrar os demais módulos de um modelo de
referência com os resultados obtidos em avaliações de aprendizagens oriundas da utilização
de ferramentas de comunicação/interação e os estilos cognitivos pré-estabelecidos.
Os resultados das avaliações de aprendizagem foram utilizados para dar subsídio aos
modelos de adaptação e usuário. Foram, então, determinadas novas regras de adaptação
pertinentes ao escopo das avaliações de aprendizagem e, também, dos estilos cognitivos,
conforme apresentado nas seções 7.3 e 7.4.
8.3 Recomendações para Trabalhos Futuros
Com base nesta pesquisa, podem ser recomendados os seguintes trabalhos futuros:
1. Analisar os tipos de erros das avaliações realizadas via ferramentas de
comunicação/interação e aprimorar o processo de retroalimentação;
2. Relacionar o modelo com mais estilos cognitivos existentes;
173
3. Possibilitar que o estilo cognitivo do usuário (aprendiz) seja atualizado
dinamicamente, conforme as ações realizadas;
4. Realizar uma validação do ambiente gerado com uma determinada população;
5. Pesquisar novas regras de retroalimentação, provenientes de outros estilos
cognitivos ou de outras ferramentas de comunicação/interação;
6. Realizar a adequação do modelo RHA com outros modelos de referência que
também utilizem o paradigma orientado a objetos;
7. Pesquisar a possibilidade de aplicação do modelo RHA em outros domínios de
conhecimento.
174
9 REFERÊNCIAS ABOU-JAOUDE, S., & FRASSON, C. Integrating a believable layer into traditional ITS. Paper presented at the World Conference on Artificial Intelligence in Education (AI-ED99), July, Le Mans, France, 1999. AHN, JAe-Wook; FARZAN, Rosta; BRUSILOVSKY, Peter. A Two-Level Adaptive Visualization for Information Access to Open-Corpus Educational Resources. Proceedings of Workshops held at the Fourth International Conference on Adaptive Hypermedia and Adaptive Web-Based Systems. Dublin, 2006 ALLPORT, G. W. (1937). Personality: a psychological interpretation. New York: Social Science Reseach Council. AMARAL, Marília. Organização e Armazenamento de Conteúdo Instrucional no Ambiente AdaptWeb Utilizando XML. Dissertação de Mestrado apresentada ao PPGC, UFRGS, 2002. AMARALa, Marília; FERREIRA, Cláudio Luiz ; ZANCHETT, Pedro ; ULBRICHT, V. R. . Aspectos de Modelagem em Sistemas Hipermídia Adaptativos: a UWE.. In: Congresso Nacional de Ambientes Hipermídia para Aprendizagem- Conahpa, 2006, 2006, Florianópolis. Anais do Congresso Nacional de Ambientes Hipermídia para Aprendizagem- Conahpa, 2006. São Paulo : Anhembi Morumbi. AMARALb, Marília.; Ulbricht, V. R. Desenvolvimento de Hipermídia Adaptativo seguindo o Modelo de Munich. In: Universidade Anhembi Morumbi, PUC-Rio. (Org.). Design Arte e Tecnologia. São Paulo: Rosari, 2006, v. , p. -. AMARALc, Marília; Oriundo, Walter. Modelo de Referência em Sistemas Hipermídia Adaptativos. In: Vânia Ribas Ulbricht. (Org.). Sistemas Hipermídia Adaptativos. : Moderna, 2006, v. 1, p. -. AMARAL, Marília; Social Networks in Moodle. In: IADIS International Conference IADIS Web Based Communities 2007. Salamanca, Espanha, 2007. ANDREJKO, Anton. Improving Adaptive Hypermedia by Adding Semantics, 2005. Disponível: www2.fiit.stuba.sk/iit-src/2005/36-andrejko.pdf ARAKAKI, Reginaldo; SOUZA, Alexandra A. Processo de manutenção de software Web apoiado pela modelagem IHC. DataGramaZero - Revista de Ciência da Informação - v.7 n.6. dez, 2006. ARROYO, I. CONEJOo, R. GUZMAN, E. WOLF, B.P. (2001). An Adaptive Web-based Component for Cognitive Estimation. Proceedings of Artificial Intelligence in Education (pp. 456-466). Amsterdam:IOS. BAJRAKTAREVIC, N., HALL, W., & FULLICK, P. ILASH: Incorporating Learning Strategies in Hypermedia. Paper presented at the Fourteenth Conference on Hypertext and Hypermedia, August 26-30, Nottingham, UK, 2003.
175
BAKER, S.L.; HEINRICHS, N.; HYO-JIN, K.; HOFMANN, S.G. – The Liebowitz Social Anxiety Scale as a Self-Report Instrument: a Preliminary Psychometric Analysis. Behav. Res Ther 40: 701-15, 2002. BALASUBRAMANIAN, N. Document Management and Web Technologies: Alice Marries the Mad Hatter. Communications of the ACM. 1997. BARIANI, I. C. D.; SISTO, F. F.; SANTOS, A. A. A. dos. Construção de um instrumento de avaliação de estilos cognitivos. In: SISTO, F. F.; SBARDELINI, E. T. B.; PRIMI, R. Contextos e Questões da Avaliação Psicológica. São Paulo: Casa do Psicólogo, 2000. BARRETO, C.G., FUKS, H. & LUCENA, C.J.P.; Agregando Frameworks em uma Arquitetura Baseada em Componentes no Ambiente AulaNet, Workshop de Desenvolvimento Baseado em Componentes (WDBC 2005), 5º, 7-9 de novembro de 2005, Juiz de Fora, MG, ISBN 85-88279-47-9, pp. 25-32. BARTOLOMEIS, F. Avaliação e orientação: objetivos, instrumentos e métodos. Lisboa: Horizonte, 1977. BAUMEISTER, Hubert, KNAPP, Alexander., KOCH, Nora and ZHANG, Gefei. Modelling Adaptivity with Aspects. David Lowe and Martin Gaedke, editors, Proc. 5th Int. Conf. Web Engineering (ICWE'05), volume 3579 of Lect. Notes Comp. Sci., pages 406-416, 2005. BEAUMONT, I. User Modeling in the Interactive Anatomy Tutoring System Anatom-Tutor. User Modeling and User-Adapted Interaction , 1996. 4 (1), 21-45. BECHARA, João José Bignetti. Revisitando a Fundamentaçao Pedagógica dos Modelos Educacionais a Distância Mediados pela Tecnologia. Congresso da ABED, 2007. BERTOLAZI, Silvana. Interface Adaptativa em Sistemas Hipermídia para Web na Educação. Trabalho de Conclusão de Curso. Universidade Estadual Norte do Paraná – UENP, 2006. BIELAWSKI, Larry, LEWAND, Robert. INTELLIGENT SYSTEMS DESIGN: INTEGRATING EXPERT SYSTEMS, HYPERMEDIA, AND DATABASE TECHNOLOGIES. John Wiley & Sons: New York, 1991. BIELIKOVÁ, Maria. Štúdie Vybraných Tém Softvého Inzinierstava. 2006. Disponível por: www2.fiit.stuba.sk/~bielik/publ/abstracts/2006/bielik-navrat-text-studie-si1.pdf BLOOM, Benjamim S; Taxonomy of Educational Objectives, the classification of educational goals – Handbook I: Cognitive Domain New York: McKay, 1956. BLOOM, Benjamin S., HASTINGS; J. Thomas and MADAUS; George F., Handbook on Formative an Summative Evaluation os Student Learning, New York: McGraw-Hill, 1971
176
BOOCH, Grady; RUMBAUGH, James; JACOBSON, Ivar. The Unified Modeling Language User Guide. Addison-Wesley, 1999 BOYLE, C. & ENCARNACIÓN, A. O. METADOC: AN ADAPTIVE HYPERTEXT READING SYSTEM. USER MODEDELS AND USER ADAPTED INTERACTION 4(1), 1-19, 1994. BRAGA, Marta Cristina Goulart ; PEREIRA, Alice Cybis ; ULBRICHT, V. R. ; VANZIN, Tarcísio . Hipermídia: uma jornada entre narrativas e roteiros. In: Congresso Nacional de Ambientes Hipermídia para Aprendizagem- Conahpa, 2006., 2006, Florianópolis. São Paulo : Anhembi Morumbi, 2006. BRAVO, Javier; ORTIGOSA, Alvaro. Validating the Evaluation of Adaptive Systems by User Profile Simulation. Proceedings of Workshops held at the Fourth International Conference on Adaptive Hypermedia and Adaptive Web-Based Systems. Dublin, 2006 BROWN, Elizabeth; CRISTEA, Alexandra. Patterns in Authoring of Adaptive Educational Hypermedia: A Taxonomy of Learning Styles, 2005 BROWN, E. J., & BRAILSFORD, T. Integration of learning style theory in an adaptive educational hypermedia (AEH) system. Paper presented at the ALT-C Conference, September 14-16, 2004, Exeter, UK, 2004. BRUSILOVSKY, Peter. Methods and techniques of adaptive hypermedia. User Modeling and User Adapted Interaction, [S.l], v.6, n. 2-3, p. 87-129, 1996. Special Issue on adaptive hypertext and hypermedia. BRUSILOVSKY, Peter. Adaptive Hypermedia: an Attempt to Analyze and Generalize. 1996a. Disponível em: http://www2.sis.pitt.edu/~peterb/papers/ MHVR96.pdf. BRUSILOVSKY, Peter. Adaptive and Intelligent Technologies for Web-based Education. In: Künstliche Intelligenz, Special Issue on Intelligent System and Teleteaching, 19-25 /4, 1999. Disponível em: http://www.contrib.andrew. cmu.edu/~plb/papers/KI-review.html BRUSILOVSKY, Peter. From intellingent tutoring systems to Web-based education. In: Proceedings of 5th International Conference on Intelligent Tutoring Systems, ITS 2000, Montreal, Canada, 2000. BRUSILOVSKY, Peter. Adaptive Educational Hypermedia. In: INTERNATIONAL PEG CONFERENCE, PEG, 10., 2001, Tampere, Finland. Proceedings… Disponível em: http://www2.sis.pitt.edu /~peterb/papers/PEG01.html BRUSILOVSKY, P. Adaptive hypermedia, User Modeling and User Adapted Interaction, Ten Year Anniversary Issue (Alfred Kobsa, ed.) 11 (1/2), 2002. BULLEN, M. Participation and Critical Thinking in computer conferencing: a case study, 1997. Disponível em, ww2.cstudies.ubc.ca/~bullen/index.html
177
BUGAY, Edson. O MODELO AHAM - MI: Modelo de Hipermídia Adaptativa utilizando Inteligências Múltiplas, 2006. Tese de Doutorado apresentada ao Programa de Pós Graduação em Engenharia de Produção – UFSC. BUSH, Vannevar. As we may think. The Atlantic Monthly, Boston, MA, 1945. Disponível por http://www.ps.uni-sb.de/~duchier/pub/vbush/vbush.shtml. CALDEIRA, Ana Cristina Muscas. Avaliação da aprendizagem em meios digitais: novos contextos. Abril, 2004. http://www.abed.org.br/ congresso2004/por/htm/033-TC-A4.htm CAMPOS, Gilda Helena B., Avaliação em cursos online, TI Máster, 2002. Disponível por http://www.timaster.com.br/revista/colunistas/ler_colunas_emp.asp?cod=522. CANDOTTI, Clarissa T. Sistema Hipermídia Adaptativo Baseado em Estilos Cognitivos. VIII Ciclo de Palestras sobre Novas Tecnologias na Educação: Saber criar, saber usar. SEAD - Secretaria de Educação a Distância/UFRGS. (2006). CARVER, C. A., HOWARD, R. A., & LANE, W. D. Addressing different learning styles through course hypermedia. IEEE Transactions on Education, 42 (1), 33-38, 1999. CONLAN, Owen; DUVAL, Eric. Workshop on Applying Service Oriented Architectures to Adaptive Information Systems. Proceedings of Workshops held at the Fourth International Conference on Adaptive Hypermedia and Adaptive Web-Based Systems. Dublin, 2006 COOK, S.W. et. al. Research methods in social relations. Nova York, Holt Renehart Wuston. (1976). CRISTEA, A., De MOOIJ, A. LAOS: Layered WWW AHS Authoring Model and its corresponding Algebraic Operators. In Proceedings of WWW’03, Alternate Education track. (Budapest, Hungary 20-24 May 2003). ACM. CRISTEA, A.I. Calvi, L. The three Layers of Adaptation Granularity, UM’03, Pittsburgh, US, Springer, 2003b. CRISTEA, A., CRISTEA, P. Evaluation of Adaptive Hypermedia Authoring Patterns During a Socrates Programme Class. Advanced Technology for Learning, Vol. 1, N0 2, 2004. CRISTEA, A., STACH, N. AWELS: Adaptive Web-Based Education and Learning Styles. First Workshop on Adaptive Web-Based Education and Learning Styles.IEEE. ICalt, 2006. CRUZ, Therezinha M. L. da. Avaliação: um teste para a educação. In: Didática de Ensino Religioso; nas estradas da vida: um caminho a ser feito. São Paulo: FTD, 1997. p. 96-97.
178
CSAPO, Nancy. The Role of Learning Styles in Effective Teaching Business Information Systems Department Central Michigan University. FaCIT News for CMU Faculty – Volume 2 – ISSUE 2 – February, 2007. CUZZOCREA, Alfredo; MASTROIANNI, Carlo. Enriching conceptual modeling of XML-aware Adaptive Web Systems with object-oriented constructs and UML diagrams. Congresso EC-Web 2004 : e-commerce and web Technologies, 2004. DE BRA, P., Romero C., Martín-Palomo S., Ventura S. An Authoring Tool for Web-Based Adaptive and Classic Tests (pp. 174-177). Eindhoven, The Netherlands, 2003 DE BRA, Paul; Creating and Delivering Adaptive Courses with AHA! ECTEL06. First European Conference on Technology Enhanced Learning, 2006. DE BRA, Paul. Dexter Model. Curso on-line. Disponibilizado por http://paul.luon.net/ hypermedia/chapter6/modelsFrameworks/dhrm.html. Criado em Outubro, 2006. Visitado em: 03/2007 DE BRA, Paul; HOUBEN, G. J.; DORNATZKY, J. D. V. Y. An Extensible Data Model for Hyperdocuments, Proc. of the 4th ACM Conference on Hypertext (ECHT-92), pp. 222-231, Milan, 1992. DE BRA, Paul; CALVI, L. AHA: a Generic Adaptive Hypermedia System. In: WORKSHOP ON ADAPTIVE HYPERTEXT AND HYPERMEDIA, 1998. Proceedings … Disponível em: http://wwwis.win.tue.nl/ah98/DeBra .html. Acesso em: abril de 2007. DE BRA, P.; HOUBEN, G. J.; WU, H. AHAM: A Dexter-based Reference Model for Adaptive Hypermedia. In: Proceedings of 10th ACM Conference on Hypertext and hypermedia (Hypertext'99), Darmstadt, Germany, February 21 - 25, 1999, ACM Press, pp. 147-156. DEMO, P. Avaliação sob o olhar Propedêutico, Campinas, Papirus, 1996 DEMO, Pedro. Ironias da Educação: mudanças e contos sobre mudança. Rio de Janeiro: DP&A, 2000. DOLOG, Peter; BIELIKOVÁ, Maria. Hypermedia Modelling using UML. In Proc. of ISM 2002 - Information Systems Modelling - ISM'2002. Czech Republic, April 22-24, 2002 DUFRESNE, A.; TURCOTTE, S. Cognitive style and its implications for navigation strategies. In: WORLD CONFERENCE ON ARTIFICIAL INTELLIGENCE AND EDUCATION, AI-ED'97, 8., 1997. Kobe, JP. Proceedings ... Amsterdam: IOS, 1997. DUNN, R., & DUNN, K. Teaching Students Through Their Individual Learning Styles: A Practical Approach, Virginia: Reston Publishing, 1978. DUNN, R., S. A. GRIGGS, J. OLSON, B. GORNMAN. A meta-analytic validation of the Dunn and Dunn learning styles model. Journal of Educational Research, 88 (6), 1995.
179
ESCALONA, Maria Jose; KOCH, Nora. Metamodeling the Requirements of Web Systems. Second International Conference for Web Informations Systems and Technologies (WEBIST 2006), Setubal, Portugal, 2006 FELDER, R. M., & SOLOMAN, B. A. Index of Learning Styles, 2004. Disponível por: http://www.ncsu.edu/felder-public/ILSpage.html. Acesso em: abril de 2007. FERNANDES, Manoel. O IMPORTANTE É O CONTEÚDO. Veja Vida Digital. Edição Internet 2000. Publicado em maio/2003. Disponível na Internet: http://www.veja.abril.com.br/ especiais/vidadigital2/16entrevista.html. Acesso em: 27 de março de 2006. FERREIRA, C. L; ULBRICHT, V. R.; VANZIN, Tarcísio ; FIGUEIREDO, Luiz Fernando Gonçalves de . Integrando as geometrias e a arte através da hipermídia. Educação Gráfica, Baurú, v. 5, p. 17-26, 2001. FIERRO, A. Personalidad y aprendizaje en el contexto escolar. In C. Copll; J. Palacios; A.Marchesi (ed). Desarrollo psicológico y educación, II. Psicologia de la educación. Madrid: Alianza. 1990. FILIPPO, D.; GEROSA, M.A.; PIMENTEL, M.; FUKS, H.; LUCENA, C.J.P.; Sempre atento ao forum: alertas SMS para suporte à coordenação dos aprendizes; Anais do XVII Simpósio Brasileiro de Informática na Educação - SBIE 2006, Brasília, DF, 8-10 Novembro, 2006, v.1, pp. 62-71. FLORES, Adriana José Berlanga. Sistemas Hipermedia Adaptativos en el Âmbito de la Educación. Informe Técnico – Technical Report. DPTOIA-IT-2004-001. Abril, 2004 FRANCO, Maria Laura P. Barbosa. Pressupostos epistemológicos da avaliação educacional. In: SOUSA, Clarilza Prado de (org.) Avaliação do rendimento escolar. 2 ed. Campinas: Papirus , 1993. FREITAG, Dayene. WebWatcher: A Learning Apprentice for the World Wide Web , in the 1995 AAAI Spring Symposium on Information Gathering from Heterogeneous, Distributed Environments, Stanford, March 1995. FUKS, H., GEROSA, M.A. & LUCENA, C.J.P. (2001). Sobre o Desenvolvimento e Aplicação de Cursos Totalmente a Distância na Internet, Revista Brasileira de Informática na Educação, N9, Setembro 2001, ISSN 1414-5685, Sociedade Brasileira de Computação, pp. 61-75, 2001. FUKS, H. GEROSA, M.A. & LUCENA, C.J.P. Evoluindo para uma Arquitetura de Groupware baseada em componentes: o Estudo de Caso do Learningware AulaNet, III Workshop de Desenvolvimento Baseado em Componentes, São Carlos, 2004. FU, Yujian. Formalizing and validating UML architecture description of web systems. ACM International Conference Proceeding Series; Vol. 155 archive Workshop proceedings of the sixth international conference on Web engineering table of contents Palo Alto, Califórnia, 2006.
180
GAIO, Benhur. Apresentação Modelo Sistêmico de Avaliação de Competências e Habilidades Cognitivas para um Curso Superior na Modalidade a Distância. XIII Congresso Internacional de Educação a Distância da ABED, 2007. GASPARINI, Isabela; PIMENTA, Marcelo S. Concepção de Interfaces WWW Adaptativas para EAD. Cadernos de Informática, Porto Alegre, v.2, n.1, p.71-76, mar. 2002. Artigo apresentado nos Seminários sobre Tecnologias de Informática para Ensino a Distância, 2001. GASPARINI, Isabela. Interface Adaptativa no ambiente AdaptWeb: navegação e apresentação adaptativa baseada no modelo do usuário. Dissertação (mestrado) – Universidade Federal do Rio Grande do Sul. Programa de Pós-Graduação em Computação, Porto Alegre, 2003. GELLER, Marlise; TAROUCO, Liane. Educação a Distância e estilos cognitivos: construindo a adaptação de ambientes virtuais. VII Congresso Iberoamericano de Informática Educativa, 2004. GIRAFFA,L.M.M. Uma Arquitetura de tutor utilizando estados mentais. 1999. Tese (Doutorado em Ciência da Computação) – Instituto de Informática, UFRGS, Porto Alegre. GOMEZ, Margarita Victoria, Avaliação formativa e continuada da educação baseada na Internet, In VI Congresso Internacional de Educação a Distância. – ABED, 1999, Rio de Janeiro, disponível em http://www.abed.org.br/antiga/htdocs/paper_visem/margarita_vitoria _gomez.htm, consultado em 04/2007. GRIGORIADOU, M., PAPANIKOLAOU, K., KORNILAKIS, H., & MAGOULAS, G. INSPIRE: An INtelligent System for Personalized Instruction in a Remote Environment, 2001. Disponível por: http://wwwis.win.tue.nl/ah2001/papers /papanikolaou.pdf. Acessado em: abr. 2007. GRONMO, R; SKOGAN, D; SOLHEIM, I; OLDEVIK, J. Model-driven Web services development. Proceedings in: e-Technology, e-Commerce and e-Service, 2004. EEE '04. 2004 IEEE International Conference on March 2004. HADJI, C. A avaliação, regras do jogo – Das intenções aos instrumentos. Portugal. Porto Editora. Traduzido por Júlia L. Ferreira e José M. Cláudio, 1994 HADJI, C. A avaliação desmistificada. Porto Alegre Editora Artmed. Traduzido por Patrícia C. Ramos, 2001 HALASZ, Frank G.; SCHWARTZ, Mayer The Dexter Hypertext Reference Model. NIST Hypertext Standardization Workshop, Gaithersburg, MD, January 16-18, 1990. HARVEY, O.J. et al. Conceptual System and Personality Organization. New York: Wiley, 1961.
HAYDT, R. C. Avaliação do Processo Ensino-Aprendizagem. São Paulo: Ática, 1995.
181
HENRI, F. Computer conferencing and content analysis in A. Kaye (Ed.), Collaborative learning through computer conferencing, Springer-Verlag, 1992. HENZE, Nicola. Adaptive Hyperbooks: Adaptation for Project-Based Learning Resources. 2000. Disponível em: <www.kbs.uni-hannover.de /~henze/diss.pdf>. Acesso em: jul. 2007. HEUSER, Carlos Alberto. Projeto de Banco de Dados. Editora Sagra Luzzatto. 3ª Edição, 2000. HOFFMANN, J, Avaliação: Mito e Desafio: uma perspectiva construtivista, Porto Alegre, Editora Mediação, 1994. HONEY, P., & MUMFORD, A. The Manual of Learning Styles, Maidenhead: Peter Honey Publications,1992. HÖÖ, K., & SVENSSON, M. Evaluating Adaptive Navigation Support. Paper presented at the Intelligent User Interfaces Conference, January 5-8, Redondo Beach, California, USA, 1999. KAMINSKI, Douglas. Sistema hipermídia adaptativo: A sua utilização para o ensino da matemática. 2006. 100 f. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) – Universidade Federal de Santa Catarina. KAUFFMAN, S. A. AT HOME IN THE UNIVERSE. OXFORD UNIVERSITY Press, New York, 1995. KIRKPATRICK, Donald L. Evaluating Training Programs: The Four Levels. Berrett-Koehler Publishers, 1998. KNAPP, Alexander., ZHANG,Gefei. Model Transformations for Integrating and Validating Web Application Models. In Heinrich C. Mayr and Ruth Breu, editors, Proc. Modellierung 2006 (MOD'06), volume P-82 of Lect. Notes Informatics, pages 115-128. Gesellschaft für Informatik, 2006. KOBSA, Alfred; EDITORIAL. IN USER MODELING AND USER ADAPTED INTERACTION. V. 4 n.2 p.iii-v. Kluwer, Amsterdam, 1995 KOBSA, Alfred. Personalized Hypermedia Presentation Techniques for Improving Online Customer Relationships. 2001. Disponível em: http://citeseer.nj.nec.com/kobsa01 personalized.html KOCH, Nora P. Software Engineering for Adaptive Hypermedia Systems Reference Model, Modeling Techniques and Development Process, 2000. PhD. Thesis. Ludwig-Maximilians- Universität München. KOCH, Nora P. The Munich Reference Model for Adaptive Hypermedia. 2nd International Conference on Adaptive Hypermedia and Adaptive Web-based Systems, 2002
182
KOGAN, N; WALLACH, M.A. Risk-Taking: A Study in Cognition and Personality. New York: Holt, Rinehart and Winston, 1964. KOGAN, N. Educational Implications of Cognitive Style. In G. S. Lesser (Ed.), Psychology and Educational Practice. Glenview, Ill: Scott Foresman and Co, 1971. KOLB, D. A. Experiential learning: experience as the source of learning and development, New Jersey: Prentice Hall, 1984. KUIPER, P.M. Adaptive Municipal e-forms. Proceedings of Workshops held at the Fourth International Conference on Adaptive Hypermedia and Adaptive Web-Based Systems. Dublin, 2006 KURUC, Karoslav. Sharing a User Model between Several Adaptive Hypermedia Applications. M. Bieliková (Ed.), IIT.SRC 2005, April 27, 2005, pp. 249-256. LAKATOS, Eva Maria; MARCONI, Marina de Andrade. Fundamentos de metodologia científica. São Paulo: Atlas, 1993. LANGSCH, Carla Wandscheer Krieger. (1999). Avaliação no Ensino à Distância via Web. Porto Alegre: Programa de Pós-Graduação em Computação da UFRGS. LEÃO, Priscilla. Uma Linguagem Visual para Avaliação Adaptativa de Aprendizagem baseada em Gramática de Grafos. Revista Notas Tecnológicas na Educação – RENOTE. UFRGS, 2006.
LÉVY, P. As Tecnologias da Inteligência. São Paulo : Editora 34, 1993.
LITZINGER, Thomas A. A Study of the Reliability and Validity of the Felder-Soloman Index of Learning Styles. Proceedings of the 2005 American Society for Engineering Education Annual Conference & Exposition, 2005.
LOPES, Maria Sandra Souza. Avaliação da Aprendizagem em Atividades Colaborativas em EAD Viabilizada por um Fórum Categorizado. Dissertação de Mestrado. UFRJ, 2007. LUCKESI. C.C. Avaliação da aprendizagem escolar. 9. ed.São Paulo: Cortez, 1999. MADHOUR, H. LAUSANNE MODEL: TOWARDS AN AHAM-BASED REFERENCE MODEL FOR ADAPTIVE LEARNING OBJECT SYSTEMS. Advanced Technology for Learning, 2006 MARCHIONINI, G. Hypermedia and Learning: Freedom and Chaos. Educational Technology USA, v. 28, n. 11, p.8-12, Nov 1988. MARTINS, Rosana. ESTILOS COGNITIVOS E COMPREENSÃO LEITORA EM UNIVERSITÁRIOS. Paidéia - Cadernos de Psicologia e Educação volume 15 número 30 jan/abr 2005. MASON, R. Analyzing Computer Conferencing Interactions. International Journal of Computers in Adult Education and Training, 1991.
183
MASETTO, M. Competência Pedagógica do Professor Universitário, São Paulo, Summus, 2003 MÁXIMO, Luiz Fernando. Avaliação Formativa Assistida por Computador no Ensino a Distância. Revista Notas Tecnológicas na Educação – RENOTE. UFRGS, 2006.
MELCHIOR, M. C.. Avaliação pedagógica: função e necessidade. Porto Alegre: Mercado Aberto. 1994. MELIÁ, Santiago, KRAUS, Andreas and KOCH, Nora. MDA Transformations Applied to Web Application Development. David Lowe and Martin Gaedke, editors, Proc. 5th Int. Conf. Web Engineering (ICWE'05), volume 3579 of Lect. Notes Comp. Sci., pages 465-471, 2005. MESSICK, S. Individuality in Learning. San Francisco: Jossey-Bass, 1976 MESSICK, S. The Nature of Cognitive Styles: Problema and Promise in Educational Practice. Educational Psychologist, 1984. MIRAS, M., SOLÉ, I. A Evolução da Aprendizagem e a Evolução do Processo de Ensino e Aprendizagem in COLL, C., PALACIOS, J., MARCHESI, A. Desenvolvimento psicológico e educação: psicologia da educação. Porto Alegre: Artes Médicas, 1996. MORAN, José Manuel. Educando em ambientes virtuais. Campinas, Universidade de Campinas. /Palestra proferida dentro do projeto de EAD da Universidade de Campinas. Disponível em: http://www.ead.unicamp.br/eventos/evento.html. Acesso em 01 de jun. 2005. MOSTAFA, Malaka; An Adaptive E-learning Model Based on Decision Table. Conference IMCL2006 April 19 -21, 2006 Amman, Jordan. MOULIN, Nelly, Utilização de portifólio na avaliação do ensino a distância, VIII Congresso Internacional de Educação a Distância, 2001. NANARD, Marc. L’apport des travaux de recherche: dans les hypertextes aux techniques éducatives. In: ACTES HYPERMÉDIAS, EDUCATION ET FORMATION, Paris, 1994. NEDER, Maria Lúcia Cavalli, Avaliação na educação a distância - significações para definição de percursos In: PRETI Oreste (Org). Educação a Distância: Inícios e Indícios de um percurso. Cuiabá, EdUFMT, 1996. NELSON, G. E. On-Line Evaluation: Multiple Choice, Discussion Questions, Essay, and Authentic Projects. In: Third Teaching in the Community Colleges Online Conference, Kapiolani Community College, Hawaii, April 7-9, 1998. NOYA, R. C. Quest - Um Sistema de Avaliação Educacional para a Web. Dissertação de Mestrado, Departamento de Informática - PUC-Rio, Rio de Janeiro, 1998.
184
OLIVEIRA, José M de.; AMARAL, Marília A.; FREITAS, Veronice de; MARÇAL, Viviane P.; GASPARINI, Isabela; PROENÇA Jr., Mario Lemes ; BRUNETTO, Maria Angélica C.; PIMENTA, Marcelo S.; RIBEIRO, Cora H. F. Pinto; LIMA, José Valdeni de. AdaptWeb: an Adaptive Web-based Courseware. In: INTERNATIONAL CONFERENCE OF INFORMATION AND COMMUNICATION TECHNOLOGIES IN EDUCATION, 2002. Proceedings... [S.l.: s.n.], 2002.v.1, p. 131-134.
OLIVEIRA, José Maria Parente de. Um modelo de referência para sistemas hipermídia adaptativos educacionais. Mini-Curso apresentado no CONAHPA, 2006
OTSUKA, J. L. Suporte à Avaliação Formativa no Ambiente de Educação à Distância TelEduc, aceito para publicação no VI Congresso Iberoamericano de Informática Educativa (IE2002), Vigo, España, 20-22 noviembre, 2002.
OTSUKA, J. L. Uso de Agentes de Interface no ambiente TelEduc, em Revista Novas Tecnologias na Educação, Porto Alegre: Cinted (Centro Interdisciplinar de Novas Tecnologias na Educação) , v.1, n.2, 2003.
OTSUKA, J. L. Avaliação Formativa em Ambientes de Educação a distância: Uma Proposta de Suporte Tecnológico e Conceitual. Revista Brasileira de Informática na Educação (RBIE), SBC, 2005.
OTSUKA, J. L. Avaliação Online: O Modelo de Suporte Tecnológico do Projeto TelEduc (2006). In: AVALIAÇÃO EM EDUCAÇÃO ONLINE, ORGs.: SANTOS, E. O.; SILVA, M. EDIÇÕES LOYOLA (capítulo de livro a ser publicado), 2006.
PALAZZO L. A. M.; COSTA, A. C. R.: TOWARDS PROACTIVE HYPERMEDIA SYSTEMS. 3º ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL (ENIA 2001). Fortaleza, 2001.
PALAZZO, Luiz Antônio M. Sistemas de Hipermídia Adaptativa. In: XXII CONGRESSO DA SOCIEDADE BRASILEIRA DE COMPUTAÇÃO, v. 2, pp 287-325, 2002, Florianópolis. Convergências Tecnológicas: redesenhando as fronteiras da ciência e da educação. Florianópolis: SBC, 2002. PALAZZO, L. A. M. Modelos Proativos para Hipermídia Adaptativa – Tese – Universidade Federal do Rio Grande do Sul, programa de Pós-Graduação em Computação. Porto Alegre. 1999.
PALAZZO, Luiz Antônio Moro. Sistemas de Hipermídia Adaptativa. 2004. Disponível em: http://ia.ucpel.tche.br/~lpalazzo/sha/sha.htm. Acesso em 20 de abril de 2006. PAPASALOUROS, Andréas. From learning design model to automated synthesis of a web-based educational application: A CASE tool. Open Source for Education in Europe, Research & Practise - Conference proceedings. 2005. PAREDES, P., & RODRIGUEZ, P. A mixed approach to modelling learning styles in adaptive educational hypermedia, Paper presented at the 1st International Workshop on Authoring of Adaptive and Adaptable Educational Hypermedia, 2003.
185
PEREIRA, Heloisa Caroline de Souza; ULBRICHT, V. R. A organização da Informação para Ambiente Hipermídia: ArteContemporanea.Floripa . Revista Uniandrade, Curitiba, v. 5, n. 1, p. 13-25, 2004. PERRENOUD, Philippe. Avaliação: da excelência à regulação das aprendizagens - entre duas lógicas. Porto Alegre: ArtMed, 1999. PERRENOUD, P.; THURLER, M. G. As Competências para ensinar no Século XXI: A formação dos professores e o desafio da avaliação, Porto Alegre Artmed Editora, 2000. PEAK, Russell S. STEP, XML, and UML: Complementary Technologies. Journal of Computing and Information Science in Engineering -- December 2004 -- Volume 4, Issue 4, pp. 379-390 PIMENTEL, M., GEROSA, M.A., FILIPPO, D., BARRETO, C.G., RAPOSO, A.B., FUKS, H. & LUCENA, C.J.P.; AulaNet 3.0: desenvolvendo aplicações colaborativas baseadas em componentes 3C, Workshop Brasileiro de Tecnologias para Colaboração (WCSCW 2005), em XVI Simpósio Brasileiro de Informática na Educação, (SBIE), 16o, v. 2, ISBN 85-88279-48-7. Juiz de Fora - MG: UFJF, 8 a 11 de Novembro 2005. pp. 761-770. PIMENTEL, Mariano G.; GEROSA, Marco Aurélio; FILIPPO, D., RAPOSO, Alberto B.; FUKS, Hugo; LUCENA, Carlos José Pereira; Modelo 3C de Colaboração no Desenvolvimento de Sistemas Colaborativos; Anais Simpósio Brasileiro de Sistemas Colaborativos. Natal, RN, 20-22 Novembro 2006. ISBN 85-7669-097-7. Porto Alegre: SBC, 2006. pp. 58-67. PRIMUS, N.J.C. A generic framework for evaluating Adaptive Educational Hypermedia authoring systems. Evaluating MOT, AHA! and WHURLE to recommend on the development of AEH authoring systems. Dissertação de Mestrado apresentada no Curso de Business Information Technology da University of Twente, 2005. RAMADA, José António Seara Salgado. Desenvolvimento de uma ferramenta de avaliação por computador baseada na Web. Dissertação de Mestrado. Universidade do Minho, 2006. REZENDE, Flavia; BARROS, Susana; FÍSICA NA ESCOLA, v. 6, n. 1, 2005. Disponível em: http://www.sbfisica.org.br/fne/Vol6/Num1/hipermidia.pdf. Acesso em: 1 de fevereiro de 2007. ROMÃO, J. E. Avaliação dialógica: desafios e perspectivas. São Paulo: Cortez, 1998. ROMERO, C., MARTIN-PALOMO, S., DE BRA, P. & VENTURA, S. (2004). An Authoring Tool for Web-Based Adaptive and Classic Tests. In G. Richards (Ed.), Proceedings of World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education 2004 (pp. 174-177). Chesapeake, VA: AACE.
186
ROMERO, C., DE BRA, P. & VENTURA, S. Extending AHA!: Adding Levels, Data Mining, Tests and SCORM to AHA!. Int. Conference on Human Systems Learning: Who is in control? Marrakech. 2005. ISBN: 2-909285-33-2. pag. 21-40. ROMERO, C., DE BRA, P. & VENTURA, S. An authoring tool for web-based adaptive and classic tests. AHA2006, 2006. ROSÁRIO , Jeane de A. Estilos de Aprendizagem de Alunos de Engenharia Química e Engenharia de Alimentos da UFSC: O Caso da Disciplina de Análise e Simulação de Processos. Programa de Pós Graduação em Engenharia Química. Florianópolis, maio de 2006. ROQUE, Gianna Oliveira. Uma proposta de um modelo de avaliação de aprendizagem por competências para cursos a distância baseados na web, Dissertação de Mestrado em Informática, Rio de Janeiro, UFRJ/ IM /NCE, 2004, xii, 158 f.:il. ROQUE, Gianna Oliveira. Avaliação de Aprendizagem em Atividade Desenvolvida à Distância, Revista Século XXI, 2007. Disponível em: http://www.multirio.rj.gov.br /seculo21/texto_link.asp?cod_link =1734&cod_chave=2502&letra=c. Acesso em: 4 de junho de 2007.
SANTOS, Acácia Aparecida Angeli dos; BARIANI, Isabel Cristina Dib; CERQUEIRA, Tereza Cristina S. Estilos cognitivos e estilos de aprendizagem. In SISTO, Fermino Fernandes; OLIVEIRA Gislene de Campos; FINI, Lucila Dihel Tolaine. Leituras de psicologia para formação de professores. (pp. 44-57). Petrópolis: Vozes, 2000. SAVIANI, D. Saber escolar, currículo e didática. 3.ed.Campinas: Autores Associados, 2000. SILBERSCHATZ, Abraham. Sistema de Banco de Dados. Makron Books, 1999, 3ª Edição. SILVA, José Carlos Tavares. Um modelo para avaliação de aprendizagem no uso de ferramentas síncronas em ensino mediado pela Web. Tese de Doutorado: Programa de Pós Graduação em Informática da – PUC – RJ, 2004. SILVEIRA, Ricardo A. BASTOS, André. Webduc: Uma proposta de ferramenta de avaliação formativa no ambiente TelEduc. CIENTED-UFRGS, Novas Tecnologias na Educação, 2004. SOSNOVSKY, Sergey. The Integration of Two Domain Conceptualizations in a Single Adaptive Hypermedia System. Proceedings of Workshops held at the Fourth International Conference on Adaptive Hypermedia and Adaptive Web-Based Systems. Dublin, 2006 STAFF, Christopher. HYPERCONTEXT: USING CONTEXT IN ADAPTIVE HYPERTEXT. 1997. Disponível em http://www.cs.um.edu.mt/ ~cstaff/HCTBrazil97/HCT97.html. Acesso em 12 de agosto de 2006.
187
STASH, N., DE BRA, P., AERTS, A., BERDEN, B., DE LANGE, B., ROUSSEAU, B., SANTIC, T., SMITS, D. The Adaptive Hypermedia Architecture. Proceedings of the ACM Hypertext Conference (pp.81-84). Notttingham:UK, 2003
STASH, Natalia. Incorporating Cognitive Styles in AHA!.Procerdings of the IASTED International Conference. WEB-BASED EDUCATION, 2004. STASH, Natalia. Learning Styles Adaptation Language for Adaptive Hypermedia. Proceedings of AH'2006 Conference, Dublin, Ireland, June 2006, pp.323-327 STYNES, Paul; CONLAN, Owen. Architectural framework for the composition and delivery of adaptive educational support services. Proceedings of Workshops held at the Fourth International Conference on Adaptive Hypermedia and Adaptive Web-Based Systems. Dublin, 2006 STURM, Jake. Developing Web Systems with UML. Addison Wesley Longman Publishing Co., Inc, 2004. TERÊNCIO, Douglas; BRUNETTO, Maria Angélica. Reengenharia de Software do Ambiente AdaptWeb. Trabalho de Conclusão de Curso. Universidade Estadual de Londrina, 2005. TRIANTAFILLOU, E., POMPORTSIS, A., & GEORGIADOU, E. (2002). AES-CS: Adaptive Educational System based on Cognitive Styles. Paper presented at the Second International Conference on Adaptive Hypermedia and Adaptive Web-based Systems, May 29-31, 2002, Malaga, Spain. TYLER, Ralph W. Princípios Básicos de Currículo e Ensino. Rio de Janeiro: Editora Globo,10ª ed, 1949. ULBRICHT, Vânia e BUGAY, Edson L. e R. Hipermídia. Florianópolis: Bookstore, 2000. ULBRICHT, V. R. ; MACEDO, Cláudia Mara Scudelari de. Ambiente hipermídia para o estudo das curvas cíclicas. Educação gráfica, Baurú, v. 9, p. 35-42, 2006. VALLEJO, P.M. Manual de avaliação escolar. Coimbra: Almedina, 1979. VANZIN, Tarcísio. TEHCo – Modelo de Ambientes Hipermídia com tratamento de erros, apoiado na teoria da cognição situada. PPGEP: Tese de doutorado, 2005. VANZIN, Tarcísio ; ULBRICHT, V. R. . Tratamento dos Erros Humanos em Ambientes de Aprendizagem Mediados por Computador . In: 4Congresso Internacional de Ergonomia e Usabilidade, Design de Interfaces e Interação Homem-Computador, 2005, Rio de Janeiro. Anais do 4Congresso Internacional de Ergonomia e Usabilidade, Design de Interfaces e Interação Homem-Computador. Rio de Janeiro : LEUI/PUC, 2005. v. 1. VICCARI, Rosa M.; MUSA, Daniela Leal; BICA, Francine; OLIVEIRA, José Palazzo - Agente para auxilio à avaliação de aprendizagem em ambientes de ensino na web, In:XII Simpósio Brasileiro de Informática na Educação, SBIE 2001, Vitória. Anais, Novembro/2001.
188
VIEIRA, Josiane Wandelinde ; ALVES, João Bosco da Mota ; ULBRICHT, V. R. . Geometria Descritiva para alunos surdos usuário de LIBRAS. In: Graphica 2005- 17 Simpósio Nacional de Geometria Descritiva e Desenho Técnico / VI International Conference on Graphics Engineering for Arts and Designca, 2005, Recife. Anais do Graphica 2005, 2005. v. 1. WARPECHOWSKI, Mariusa; OLIVEIRA, Jose Palazzo Moreira de. Obtenção de Metadados de Objetos de Aprendizagem no AdaptWeb. In: I ESCOLA REGIONAL DE BANCO DE DADOS, 8-9 DE ABRIL, 2005, Porto Alegre. Anais. Porto Alegre: SBC, 2005. v. 1, p. 61-66.
WEBB, B.; NEWMAN, D.R.; COCHRANE C. Towards a methodology for evaluating the quality of student learning in a computer-mediated conferencing environment. In G. Gibb (Ed.), Improving student learning: theory and practice (pp. 329-339). Oxford, U.K.: Oxford Centre for Staff Development, Oxford Brookes University, 1994.
WILLIAMS, Fionán Peter. Visualising Narrative Structures in Personalised e-Learning Systems. Dissertação, Universidade de Dublin. Mestrado em Ciência da Computação. May 2006 WITKIN, Herman A.; GOODENOUGH, Donald. Cognitive styles—essence and orgins: Field dependence and field independence. New York: International Universities. 1981. WOLF, C. iWeaver: Towards an Interactive Web-Based Adaptive Learning Environment to Address Individual Learning Styles, 2002. Disponível por http://www.adaptivelearning.net/media/html/iWeaver.htm. Acessado em: abr. 2007. WU, H., HOUBEN, G.J., DE BRA, P., AHAM: A Reference Model to Support Adaptive Hypermedia Authoring, Proceedings of the "Zesde Interdisciplinaire Conferentie Informatiewetenschap", pp. 77- 88, Antwerp, 1998. Disponível em: <http://wwwis.win.tue.nl/~debra/infwet98/paper.pdf>. Acesso em: abr. 2006. WU, H. A Reference Architecture for Adaptive Hypermedia Applications, Tese de Doutorado, Eindhoven University of Technology, The Netherlands, ISBN 90-386-0572-2, 2003. WU, H.; DE BRA, P. Sufficient Conditions for Well-Behaved Adaptive Hypermedia Systems. In: WEB INTELLIGENCE: RESEARCH AND DEVELOPMENT, ASIA-PACIFIC CONFERENCE, WI, 1., 2001, Maebashi City, Japan. Proceedings... Berlin: Springer-Verlag, 2001. WU, Xing; Chen, Jin. Modeling a web-based remote monitoring and fault diagnosis system with UML and component technology. Journal of Intelligent Information Systems; Springer Netherlands, 2006. ZAINA, Luciana. A. M, (2001). Analysis of Distance Education Environments. In: Proceedingns of INTERNATIONAL CONFERENCE ON INFORMATION TECNOLOGY
189
BASED HIGER EDUCATION AND TRAINING, Kumamoto: Japão. Disponível em: http://www.eecs.kumamoto-u.ac.jp/ITHET01/proceedings.htm. Acesso em 25 de março de 2005. ZAINA, Luciana. A. M. Acompanhamento do Aprendizado do Aluno em cursos a Distância Através da WEB: Metodologias e Ferramenta. Programa de Pós-graduação da Escola Politécnica da USP. Dissertação de Mestrado, 2002. ZANCHETT, Pedro. Sistemas de Hipermídia Adaptativa como suporte à orientação de usuários idosos. Dissertação de Mestrado em Engenharia e Gestão do Conhecimento. Universidade Federal de Santa Catarina, UFSC, Brasil., 2006 ZHANG, Gefei., KOCH, Nora. Aspect-Oriented Modeling of Access Control in Web Applications, 2005. Disponível por: www.pst.ifi.lmu.de/veroeffentlichungen/zhang-et-al:waom:2005.pdf ZHANG, Gefei. Towards Aspect-Oriented Class Diagrams. Proc. 12th Asia-Pacific Software Engineering Conf. (APSEC'05), pages 763-768. IEEE, 2005.
top related